話し言葉音声認識における非言語情報を考慮したRNN言語モデル

• Item type: SIG Technical Reports(1)
• 公開日: 2016-05-09
• タイトル: 話し言葉音声認識における非言語情報を考慮したRNN言語モデル
• タイトル / 言語: en
• タイトル: Recurrent Neural Network Language Model using Non-Verbal Features for Automatic Speech Recognition
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 音声認識，対話，翻訳
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京大学大学院工学系研究科
• 著者所属: 東京大学大学院工学系研究科
• 著者所属: 東京大学大学院工学系研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engeneering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Graduate School of Engeneering, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Graduate School of Engeneering, The University of Tokyo
• 著者名: 外山, 翔平; 齋藤, 大輔; 峯松, 信明
• 著者名(英): Shohei, Toyama; Daisuke, Saito; Nobuaki, Minematsu
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 音声認識は一般に音響モデル，言語モデル，及びデコーダの組み合わせで構築される．言語モデルとして標準的に使われている n-gram 言語モデルを Recurrent Neural Network 言語モデルによって補完することにより，認識精度が改善されると報告されている．さらに，RNN 言語モデルに対して，単語の品詞や発話のトピックなどの付加的な情報を与えることで，言語モデルを発話に適応させる研究も数多くなされている．ところで，音声には話者性や発話状況といった非言語情報が含まれており，このような情報は話者が発する単語やその連接に影響を与えると考えられる．そこで本研究では，話し言葉音声認識において，入力音声を音声処理して抽出される非言語情報を RNN 言語モデルに組み込み，発話に適応させるモデルを提案する．また，日本語話し言葉コーパスを用いた実験において，提案手法によってパープレキシティが改善されることを示した．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2016-SLP-111, 号 1, p. 1-8, 発行日 2016-05-09
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会