特集 学生の研究活動報告−国内学会大会・国際会議参加記 18 は削除誤り単語の重要度の合計を，VS は置換誤り 「第 7 回音声ドキュメント処理 ワークショップ」に参加して 古 谷 区間の単語重要度の合計を，VN は正解文の単語重 要度の合計を表す． 遼 Ryo FURUTANI 情報メディア学専攻修士課程 2. 2 ベイズリスク最小化音声認識 2012 年度修了 単語重要度に基づく音声認識は音声認識の枠組み は式（2）のベイズリスク最小化（MBR）の枠組み 1．はじめに で記述される． 私は，2012 年 3 月 2 日に名古屋大学で行われた ＾ W ＝arg min w !（l W, W ′）P（W ′, X ） λ1 λ2 W′ （2） 「第 7 回音声ドキュメント処理ワークショップ」に ここで，l（ W, W ′ ）は損失関数を表し，P（W, X ） 参加した．これは，音声データを文書として扱う技 は音声認識スコアを表す．WWER 最小化を実現す 術の開発を主な目的として開催されているワークシ るには，式（1）の分子を損失関数として用いる． ョップである．私は本ワークショップで「ベイズリ スク最小化音声認識を用いた音声検索システムにお けるクエリ生成方法の検討」という題目で発表を行 3．単語重要度の自動推定 3. 1 った． 単語重要度の自動推定のアルゴリズム 適切な単語重要度とは，音声認識誤りが引き起こ 本報告では，音声検索システムに関する研究につ す検索性能の低下率を WWER から予測できるよう いて述べる．音声検索システムは，1）音声認識， な重要度である．本研究では，音声認識誤りが含ま 2）検索要求（クエリ）生成，3）情報検索の 3 つの れることによってどの程度検索性能が低下したかを モジュールを持つシステムである．このシステムで 表す，検索性能低下率（IRDR）を定義し，これと は，音声認識誤りが発生すると検索性能が低下する WWER が等しくなるように単語重要度を推定する． ため，音声認識の性能が重要となる．このような背 具体的には，音声認識誤りが含まれない検索要求 景から，我々はこれまでに，情報検索の観点から重 と，音声認識誤りが含まれる検索要求を用いて実際 要となる単語の音声認識誤りを削減するための音声 に情報検索を行い，それぞれの検索結果を得る．次 認識である，WWER 最小化音声認識の研究を行っ に，それぞれの検索結果を検索の正解集合を用いて てきた．しかし，この音声認識を行った結果からの 評価し，IRDR を算出する．最後に，IRDR と WWER 検索要求生成手法の検討は十分でなかった．このよ の平均二乗誤差が最小化されるよう，最急降下法を うな背景に基づき，重要単語誤り最小化音声認識と 用いて単語重要度を推定する枠組みである． その結果からの検索要求生成手法の組み合わせにつ いて検討を行ったので報告を行う． 3. 2 単語重要度推定用の学習データの自動生成 本研究で提案する単語重要度推定の枠組みは，検 2．単語重要度に基づく音声認識の枠組み 2. 1 索要求の発話データ，その書き起こし，および検索 の正解集合を要求するため，学習データ整備のコス 重み付き単語誤り率 単語重要度に基づく音声認識の評価尺度である重 トが高い．そのため，単語重要度推定のための学習 み付き単語誤り率（WWER）は式（1）で定式化さ データを自動生成する手法を提案する．まず，検索 れる． の正解集合は書き起こしの検索要求での検索結果で VI＋VD＋VS WWER ＝ （1） VN ここで，VI は挿入誤り単語の重要度の合計を，VD 代用する．書き起こしの検索要求として，検索の特 徴語と検索要求のテンプレートから擬似検索要求を ― ３３ ― 表1 重要度推定の実験結果 表2 音声検索システムの実験結果 単語重要度推定手法 WWER と IRDR の相関 重要度未使用 0.53 従来システム 検索性能 0.358 品詞 0.53 提案システム 0.362 提案法 0.59 自動で生成する．音声認識結果の検索要求は，擬似 5．音声検索システムの実験 検索要求に対してランダムに単語編集を行うことで 2 章の音声認識手法，3 章の単語重要度，4 章の 自動生成する．これらの枠組みを用いることで，単 検索要求生成手法を用いた音声検索システム（提案 語重要度の自動推定に必要な学習データを全て自動 システム）の実験を行った．また，通常の音声認識 生成できる． の 1-Best を用いる音声検索システム（従来システ ム）との比較を行った．実験結果を表 2 に示す． 3. 3 従来システムを用いた場合の検索性能は 0.358 と 単語重要度推定の結果 単語重要度推定の評価として，WWER から IRDR なった．これに対して，提案システムを用いた場合 をどの程度予測できるかを調査するため，両者の相 の検索性能は 0.362 となり，検索性能の向上が見ら 関を計算した．提案法の比較対象として，単語重要 れた．なお，書き起こしを用いた場合，すなわち音 度を用いない場合と，単語重要度を品詞で決定した 声認識誤りが全く発生しない場合には，検索性能は 場合の結果も調査した．実験結果を表 1 に示す． 0.428 となる．このことから，従来システムで発生 単語重要度を使用しない場合および単語重要度を する音声認識誤りに由来する検索性能の低下 品詞で 決 定 し た 場 合と 比 較 し ， 提 案 法 の 結 果 は （IRDR）のうち，6％ を削減できることがわかっ WWER と IRDR の相関 が 高 い ． こ れ は ，WWER た．結果を詳細に調査したところ，従来システムの からの IRDR の予測精度が高く，適切な単語重要 検索性能が悪い場合に提案システムで検索性能の向 度が推定できたことを示す． 上が見られた．これらの結果は，提案システムを用 いることで，音声検索に対する音声認識誤りの影響 4．N-Best リストからの検索要求生成手法 を削減できることを示している． WWER 最小化音声認識の結果を調査したところ， 通常の音声認識と比較して，N-Best リストの上位 6．おわりに に音声認識誤りの少ない候補が多く出現することが 適切な単語重要度を設定する手法，重要単語の音 わかった．これは，N-Best リストの上位候補に正 声認識誤りを削減する音声認識を行う手法，N-Best しい音声認識結果が出現しやすくなっていることを リストを用いて検索要求を生成する手法を提案し 示している．したがって，本研究では N-Best リス た．これらの 3 つを組み合わせた音声検索システム トからの検索要求生成手法の検討を行う．具体的に の評価を行ったところ，従来の音声検索システムと は，まず N-Best リストの上位の候補から単語グラ 比較して，音声認識誤りに由来する検索性能の低下 フを生成する．次に，単語グラフのスコアに基づい のうち 6％ を削減できた． て各単語の出現頻度を計算する．このとき，スコア 本ワークショップで発表を行い，多くの貴重な意 の低い単語は音声認識誤りの可能性が高いため，こ 見を頂くことができた．また，今後の研究を進める れらの候補の枝狩りを行う．この手法を用いること に当たって参考となる研究発表が多数あり，貴重な で，正しく音声認識ができている単語を重視した情 体験をすることができた． 報検索を行うことができる． ― ３４ ―
© Copyright 2024 Paperzz
