バージイン発話タイミングモデルを導入した指示対象同定

• Item type: SIG Technical Reports(1)
• 公開日: 2009-05-14
• タイトル: バージイン発話タイミングモデルを導入した指示対象同定
• タイトル / 言語: en
• タイトル: Identification of User's Referent with Barge-in Timing Model
• 言語: jpn
• 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: 京都大学大学院情報学研究科知能情報学専攻
• 著者所属: 京都大学大学院情報学研究科知能情報学専攻
• 著者所属: 京都大学大学院情報学研究科知能情報学専攻
• 著者所属: 京都大学大学院情報学研究科知能情報学専攻
• 著者所属: 京都大学大学院情報学研究科知能情報学専攻
• 著者所属(英): en
• 著者所属(英): Dept. of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Dept. of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Dept. of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Dept. of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Dept. of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University
• 著者名: 松山, 匡子; 駒谷, 和範; 武田, 龍; 尾形, 哲也; 奥乃, 博
• 著者名(英): Kyoko, Matsuyama; Kazunori, Komatani; Ryu, Takeda; Tetsuya, Ogata; Hiroshi, G.Okuno
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自然な会話を実現できる音声対話システムでは，ユーザが自由なタイミングや言語表現で発話できることが望ましい．我々は，ユーザが任意のタイミングでシステム発話に割り込み（バージイン）できる手法を開発している．本手法では，Independent Component Analysis (ICA) に基づくセミブラインド音源分離を利用している．本稿では，システムが列挙する項目に対してユーザがバージイン発話で指定した対象を同定するために，ユーザのバージイン発話から得られるタイミング情報を用いて解釈する新手法について報告する．まず，ユーザが参照表現を用いて発話する場合のタイミング分布を，予備調査の結果に基づき，ガンマ分布で近似する．次に，システムの読み上げる各項目に対して，ユーザ発話がそのタイミングで解釈されるべき場合とその音声認識結果で解釈されるべき場合とをそれぞれ確率として表現する．これら2つの確率を統合し，最も尤度の高い項目をユーザの指示対象と同定する．システムが列挙する項目の一つを指定するユーザのバージイン発話400発話に対して，本手法が２つのベースライン手法(音声認識結果のみから指示対象を同定する手法，及び，ユーザの発話タイミングのみから指示対象を同定する手法) よりも高精度に同定できることを実験により確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In conversational dialogue systems, the user prefers to speak at any time and to use natural expressions. We have developed an Independent Component Analysis (ICA) based semiblind source separation method, which allows users to barge-in over system utterances at any time. We create a novel method from timing information derived from barge-in utterances to identify one item that a user indicates during system enumeration. First, we determine the timing distribution of user utterances containing referential expressions and then approximate it using gamma distribution. Second, we represent both the utterance timing and automatic speech recognition (ASR) results as probabilities of the desired selection from the system's enumeration. We then integrate these two probabilities to identify the item having the maximum likelihood of selection. Experimental results using 400 utterances indicated that our method outperformed two methods used as a baseline (one of ASR results only and one of utterance timing only) in identification accuracy.
• 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 2009-SLP-76, 号 14, p. 1-7, 発行日 2009-05-14
• 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