@techreport{oai:ipsj.ixsq.nii.ac.jp:00056597,
 author = {清水, 徹 and 中村, 哲 and 河原, 達也 and Tohru, Shimizu and Satoshi, Nakamura and Tatsuya, Kawahara},
 issue = {123(2008-SLP-074)},
 month = {Dec},
 note = {文の区切りが明確でない，一文が長くなる，文の途中に間 (ポーズ) が空くなどの現象が見られる自然な話し言葉を，適切な単位に区分化する処理が求められている．筆者らは，区分化の単位として従来用いられている文や節に代わる，プロの同時通訳者が原言語からターゲット言語に変換する自然なタイミングである音声翻訳単位を提案し，同単位の特徴と，言語情報ならびに韻律情報と SVM チャンカ用いた音声翻訳単位境界の推定手法について検討を行ってきた．一方，書き言葉では，区分化の単位として，句読点が広く用いられている．本稿では，音声翻訳単位境界と句読点との関連性と，プロの通訳者が付与した音声翻訳単位境界情報と句読点情報の双方を用いた場合の音声翻訳単位境界推定への効果について述べる．日本語話し言葉コーパス (CSJ) を用いた実験おいて，句読点既知データの場合 F 値 0.88 ，句読点未知データの場合 F 値 0.86 と，プロの通訳者による F 値 0.84 に相当する性能を達成した．, As automatic speech recognition and translation of long and complicated utterance cause more errors, there is increasing requirement for utterance segmentation techniques. We proposed speech translation unit (STU), which is a segment of an utterance which the human interpreter treats as a single cognitive unit, and also proposed STU boundary detection method using a SVM based chunker which combines lexical features and prosodic features. It is well known that comma and period are the most widely used punctuation marks in written text In this paper, characteristics of STU and punctuation marks are investigated, and a STU boundary detection method which combines both STU boundary information and punctuation marks is proposed. An experimental evaluation using CSJ corpus shows STU boundary detection achieved a F-measure of 0.88 for input text with punctuation marks and 0.86 for input text without punctuation marks, which is better than or equal to the STU boundary detection accuracy of human interpreters (F-measure of 0.84).},
 title = {音声翻訳単位の推定における句読点情報の効果},
 year = {2008}
}