重み付き有限状態トランスデューサーと対数線形モデルを用いた話し言葉の整形

• Item type: SIG Technical Reports(1)
• 公開日: 2009-07-10
• タイトル: 重み付き有限状態トランスデューサーと対数線形モデルを用いた話し言葉の整形
• タイトル / 言語: en
• タイトル: Log-Linear Speaking-Style Transformation using Weighted Finite State Transducers
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 書き起こし
• 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
• 著者所属: 京都大学情報学研究科
• 著者所属: 京都大学情報学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Kyoto University
• 著者名: Graham, Neubig; 森, 信介; 河原, 達也
• 著者名(英): Graham, Neubig; Shinsuke, Mori; Tatsuya, Kawahara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自然な話し言葉には，フィラーや言いよどみ，口語的表現，助詞の脱落など，書き言葉に出現しない現象が多く含まれている．音声認識の結果から読みやすい書き起こしを作成する際に，このような現象に対応し，書き言葉に整形する必要がある．本研究では，話し言葉の整形を統計的機械翻訳の問題として扱い，この枠組みの中で様々なモデルを提案する．特に，話し言葉固有の現象を捉える複数の特徴量を組み合わせる対数線形モデルを導入する．このモデルを重み付き有限状態トランスデューサー (WFST) を用いて実装した．国会審議の書き起こしを対象とした評価実験において，ルールベースや単純な統計的モデルを用いた手法に比べて提案手法は精度を大幅に改善することができた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In spontaneous speech, there exist a number of fillers, disfluencies, colloquial expressions, and omitted words that do not appear in normal written text. In order to create easily readable transcripts from automatic speech recognition results, it is necessary to transform verbatim speech into a more appropriate written form. This paper proposes a system to correct these spoken-language phenomena based on the framework of statistical machine translation. A number of potentially useful features are proposed, and combined in a log-linear framework. The system was implemented using weighted finite state transducers (WFSTs), allowing for easy integration with WFST-based speech recognition engines. In an evaluation on a corpus from the National Diet (Congress) of Japan, the proposed system showed a large increase in accuracy over a rulebased baseline and simple statistical systems.
• 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-77, 号 21, p. 1-6, 発行日 2009-07-10
• 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