複数トピック分類の信頼度に基づくドメイン外発話の検出

• Item type: SIG Technical Reports(1)
• 公開日: 2003-12-19
• タイトル: 複数トピック分類の信頼度に基づくドメイン外発話の検出
• タイトル / 言語: en
• タイトル: Out -of- Domain Utterance Detection based on Confidence Measures from Multiple Topic Classification
• 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: 京都大学情報学研究科知能情報学専攻／ATR音声言語コミュニケーション研究所
• 著者所属: 京都大学情報学研究科知能情報学専攻／ATR音声言語コミュニケーション研究所
• 著者所属: 統計数理研究所／ATR音声言語コミュニケーション研究所
• 著者所属: ATR音声言語コミュニケーション研究所
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University/ATR Spoken Language Translation Laboratories
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University/ATR Spoken Language Translation Laboratories
• 著者所属(英): en
• 著者所属(英): The Institute of Statistical Mathematics/ATR Spoken Language Translation Laboratories
• 著者所属(英): en
• 著者所属(英): ATR Spoken Language Translation Laboratories
• 著者名: レーンイアン; 河原, 達也; 松井, 知子; 中村, 哲
• 著者名(英): Ian, R.Lane; Tatsuya, Kawahara; Tomoko, Matsui; Satoshi, Nakamura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 音声言語システムにおいては，バックエンドシステムが受理できない発話（ドメイン外発話）への対処が問題となる．本稿では，このようなドメイン外発話の検出法の枠組みを新たに提案する．本手法は，複数トピックの分類の信頼度を用いて，ドメイン内検証モデルをGPD（Generalized Probabilistic Descent）により学習する。この学習は，ドメイン内データの削除補間に基づいて行うため，ドメイン外の実データを必要とせず、移植性が高い。トピック分類主法として３つの手法（単語N-gram，LSA，SVM）を比較した結果，SVMが最も高い識別能力を得た．ドメイン外検出タスクにおいて，提案手法は，トピック分類結果の単純な組合せによるベースライン法と比較して，6.5ポイントも検出誤り率を改善した．さらに，実際のドメイン外データを用いて学習したシステムと比較しても，ドメイン外データを使用しない提案手法によりほぼ同等の性能が得られることがわかった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: One significant problem for spoken language systems is how to cope with users' OOD (out-of-domain) utterances which cannot be handled by the back-end system. In this paper, we propose a novel OOD detection framework, which makes use of classification confidence scores of multiple topics and a linear discriminant in-domain verifier using GPD. Training is based on deleted interpolation of the in-domain data, and thus does not require actual OOD data, providing high portability. Three topic classification scheme of word N-gram models. LSA and SVM are evaluated, and SVM is shown to have the greatest discriminative ability. In an OOD detection task, the proposed approach achieves an absolute reduction in EER of 6.5 points compared to a baseline method base on a simple combination of multiple-topic classifications. Furthermore, comparison with a system trained using OOD data demonstrates that the proposed training scheme realizes comparable performance while requiring no knowledge of the OOD data set.
• 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 2003, 号 124(2003-SLP-049), p. 275-280, 発行日 2003-12-19
• 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