トリガー言語モデルの適応によるパネル討論の音声認識

• Item type: SIG Technical Reports(1)
• 公開日: 2005-07-15
• タイトル: トリガー言語モデルの適応によるパネル討論の音声認識
• タイトル / 言語: en
• タイトル: Automatic Transcription of Panel Discussions Using Trigger-Based Language Model Adaptation
• 言語: eng
• 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: 京都大学
• 著者所属: 京都大学
• 著者所属(英): en
• 著者所属(英): Kyoto University
• 著者所属(英): en
• 著者所属(英): Kyoto University
• 著者名: カルロス・トロンコーソ; 河原, 達也
• 著者名(英): Carlos, Troncoso; Tatsuya, Kawahara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: パネル討論の音声認識を対象として、トリガーモデルを用いた言語モデル適応法を提案する。パネル討論では、与えられた話題について終始話されるので、遠距離でもキーワードの相関が期待できる。トリガー言語モデルはそのような遠距離の依存関係をとらえるためのものであるが、従来は新聞記事などの一般的すぎる大規模コーパスから構築されており、タスクに依存したトリガーペアが十分に得られない。提案手法では、ベースラインモデルによる初期認識結果を使用して、当該討論に特化したトリガーペアを抽出し、またそれらの確率を推定する。確率値については、大規模コーパスから推定される統計量も利用するバックオフ手法も提案する。実験の結果、大規模コーパスから作成した通常のトリガー言語モデルと比較して、テストセットパープレキシティを約2倍削減できた。さらに、トライグラム言語モデルの適応と組合わせることにより、ベースラインよりパープレキシティを41%削減できた。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We present a novel trigger-based language model adaptation method oriented to the transcription of meetings. In meetings, the topic is focused and consistent throughout the whole session, therefore keywords can be correlated over long distances. The trigger-based language model is designed to capture such long-distance dependencies, but it is typically constructed from a large corpus, which is usually too general to derive task-dependent trigger pairs. In the proposed method, we make use of the initial speech recognition results to extract task-dependent trigger pairs and to estimate their statistics. Moreover, we introduce a back-off scheme that also exploits the statistics estimated from a large corpus. The proposed model reduced the test-set perplexity twice as much as the typical trigger-based language model constructed from a large corpus, and achieved a remarkable perplexity reduction of 41% over the baseline when combined with an adapted trigram language model.
• 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: 情報処理学会研究報告音声言語情報処理（SLP）; 巻 2005, 号 69(2005-SLP-057), p. 13-18, 発行日 2005-07-15
• 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