抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,教師なしサブワードモデリング,即ち,言語のサブワードユニットを識別することができる音響特徴表現を学習する。著者らは,自己監督学習と交差言語知識移転を組み合わせた2段階学習フレームワークを提案した。このフレームワークは,フロントエンドとしての自己回帰予測符号化(APC)とバックエンドとしての交差言語深層ニューラルネットワーク(DNN)から成る。Libri-lightとZeroSpeech 2017データベースで行ったABXサブワード識別可能性タスクに関する実験は,著者らのアプローチが最先端の研究よりも競争力があるか,または優れていることを示した。音素および構音特徴(AF)レベルにおける包括的および系統的解析は,著者らのアプローチが,モノphthong母音情報よりもディップトングを捉えるのに優れていることを示し,一方,異なるタイプのコンソナントに対して捕捉された情報量の違いが観察された。さらに,音素の情報の獲得におけるバックエンドの有効性と音素に割り当てられた交差言語電話ラベルの品質との間に正の相関が見られた。t-SNE可視化結果と共にAFレベル分析は,提案した方式が,キャプチャー情報,母音高さ,およびバックネス情報の捕捉方法および位置におけるMFCCおよびAPC特徴より良好であることを示した。まとめると,解析は,著者らのアプローチにおける2つの段階が,音素とAF情報を捕えるのに効果的であることを示した。それにもかかわらず,モノphthong母音情報は,子音情報より十分に捉えられず,将来の研究は,捕獲モノphthong母音情報の改善に焦点を合わせるべきであることを示唆する。【JST・京大機械翻訳】