@techreport{oai:ipsj.ixsq.nii.ac.jp:00075428,
 author = {アブリミテ・ミジテ and 河原, 達也 and ハムヅラ・アスカ and Mijit, Ablimit and Tatsuya, Kawahara and Askar, Hamdulla},
 issue = {5},
 month = {Jul},
 note = {日本語やウイグル語のような膠着言語では、単語の単位が自明でなく、音声認識の言語モデルの設計においても重要な問題となっている。本稿では、音声認識誤り （単語誤り率） を削減するような単語エントリを識別学習により選択する方法を提案する。各単語エントリに対して素性の集合とそれらの重みからなる評価関数、及び、形態素単位のモデルと単語単位のモデルの誤り率の差による誤分類尺度を定義した上で、パーセプトロン学習によって素性の重みを学習する。本手法をウイグル語の大語彙連続音声認識システムに適用し、形態素単位のモデルに比べて語彙サイズをあまり増やすことなく、単語誤り率を大きく削減することができた。, In agglutinative languages such as Japanese and Uyghur, selection of lexical unit is not obvious and one of the important issues in designing language model for automatic speech recognition (ASR). In this paper, we propose a discriminative learning method to select word entries which would reduce the word error rate (WER). We define an evaluation function for each word by a set of features and their weights, and the measure for optimization by the difference of WERs by the two units (morpheme and word). Then, the weights of the features are learned by a perceptron algorithm. Finally, word entries with higher evaluation scores are selected. The discriminative method is successfully applied to an Uyghur large-vocabulary continuous speech recognition system, resulting in a significant reduction of WER without a drastic increase of the vocabulary size.},
 title = {識別学習に基づく音声認識単語辞書の最適化},
 year = {2011}
}