文献

J-GLOBAL ID：201702250847559894   整理番号：17A0786289

音声中の検索語検出におけるDeep Neural Networkの出力確率を用いたリスコアリング手法の提案

著者 (5件)： 紺野良太 (岩手県大) ,  LEE Shi-wook (産業技術総合研) ,  田中和世 (筑波大) ,  小嶋和徳 (岩手県大) ,  伊藤慶明 (岩手県大)
資料名： 電子情報通信学会論文誌 D(Web)
巻： J100-D  号： 5  ページ： 595-604 (WEB ONLY)  発行年： 2017年05月01日 
JST資料番号： U0473A  ISSN： 1881-0225  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,動画中の特定のシーンを検索する機能が求められており,音声情報を手がかりに検索を行う,音声中の検索語検出(STD:Spoken Term Detection)の研究が盛んに行われている。本論文では,従来手法で高速にSTDを行った後,検索結果上位候補をDNN(Deep Neural Network)の出力確率を用いてリスコアリングする手法を提案する。本論文では,クエリの音素系列をフレーム系列に変換して照合する手法と,状態系列に変換して照合する手法を提案する。NTCIR-9,10のFormal run,Dry run計4種のテストセットを用いた評価実験の結果,リスコアリング発話数Kを50件とした場合,検索精度を表すMAP(Mean Average Precision)が5.80pt~11.55pt向上し,処理時間はフレーム単位照合で約0.18秒,状態単位照合で約0.10秒となった。Kを2,000件とした場合のMAPは10.68pt~21.16pt向上し,検索時間はフレーム単位照合で約7.45秒,状態単位照合で約4.23秒となった。以上のように,本手法の有効性を確認した。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  隠れMarkovモデル ,  *情報 ,  *情報処理 ,  音声処理 ,  *検出 ,  *精度 ,  動画像 ,  *音声認識 ,  学習 ,  深層 ,  *機械学習
準シソーラス用語： *検索語検出 ,  *音声情報 ,  *音声情報処理 ,  *検索精度 ,  *ディープニューラルネットワーク ,  深層学習

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I)

引用文献 (26件)：

• T. Akiba, H. Nishizaki, K. Aikawa, T. Kawahara, and T. Matsui, “Overview of the IR for spoken documents task in NTCIR-9 workshop,” Proc. NTCIR-9 Workshop Meeting, pp.223-235, Tokyo, Japan, Dec. 2011.
• T. Akiba, H. Nishizaki, K. Aikawa, X. Hu, Y. Itoh, T. Kawahara, S. Nakagawa, H. Nanjo, and Y. Yamashita, “Overview of the NTCIR-10 SpokenDoc-2 Task,” Proc. 10th NTCIR Conference, pp.573-587, Tokyo, Japan, June 2013.
• T. Akiba, H. Nishizaki, H. Nanjo, and G.J.F. Jones, “Overview of the NTCIR-11 SpokenQuery&Doc Task,” Proc. 11th NTCIR Conference, pp.350-364, Tokyo, Japan, Dec. 2014.
• G. Hinton, L. Deng, D. Yu, G.E. Dahl, A.R. Mohamed, N. Jaitly, A. Senior, V. Vanhoucke, P. Nguyen, T.N. Sainath, and B. Kingsbury, “Deep neural networks for acoustic modeling in speech recognition,” IEEE Signal Process. Mag., vol.29, no.6, pp.82-97, Nov. 2012.
• 三村正人,河原達也,“CSJ を用いた日本語講演音声認識へのDNN-HMM の適用と話者適応の検討,” 情処学研報音声言語情報処理(SLP),vol.2013-SLP-97, no.9, pp.1-6, July 2013.

タイトルに関連する用語 (5件)： 音声 ,  検索語 ,  確率 ,  手法 ,  提案