文献

J-GLOBAL ID：201802241302378556   整理番号：18A0441129

音声の教師なしセグメンテーションおよびクラスタリングのための埋め込まれた段階的K平均モデル【Powered by NICT】

An embedded segmental K-means model for unsupervised segmentation and clustering of speech

著者 (3件)： Kamper Herman (Electrical and Electronic Engineering, Stellenbosch University, South Africa) ,  Livescu Karen (Toyota Technological Institute at Chicago, United States) ,  Goldwater Sharon (ILCC, School of Informatics, University of Edinburgh, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ASRU  ページ： 719-726  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ラベルなし音声の教師なしセグメンテーションおよびクラスタリングは零資源音声処理におけるコア問題である。手法の大部分は,方法論的極値である:いくつかは収束保証を伴う確率的Bayesモデルを用い,一方,他のものはより効率的な発見的技術の選択。以前の研究で比肩可能な性能にもかかわらず,完全Bayes手法である大規模音声コーパスにスケールすることは困難である。はまだ明確な目的関数を持つがハードクラスタリングとセグメンテーションよりもむしろ完全Bayes推論を用いて効率を改善することを最近のBayesモデルに近似を導入した。Bayes対応物のように,この埋込み段階的K平均モデル(ES KMeans)は,固定次元音響単語埋込みとして任意長単語セグメントを示した。最初の共通英語とXitsongaデータセット(5時間および2.5時間音声)に関する以前のアプローチとESのKmeansを比較した:ES Kmeansは単語分割の主要発見的方法よりも優れており,ハイパーパラメータの少ない5倍速いが,Bayesモデルに類似したスコアを与えた。しかし,そのクラスタは他のモデルよりも純粋であった。ES Kmeansは零資源音声挑戦2017(45時間まで)の5言語にそれを適用することによってより大きなコーパスにスケールすることを示し,それは挑戦ベースラインと比較して競合する。~1Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 英語 ,  単語 ,  *クラスタ ,  音声処理 ,  Bayes推定 ,  発見的方法 ,  音響 ,  目的関数 ,  *セグメンテーション ,  コーパス
準シソーラス用語： スコア ,  ハイパーパラメータ ,  分かち書き ,  音声コーパス ,  Bayes法 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 音声 ,  教師 ,  セグメンテーション ,  クラスタリング ,  段階 ,  平均 ,  モデル