語彙・構文・意味知識を統合したA^*ヒューリスティック探索による会話音声認識

1993 年度 実績報告書

• 研究課題/領域番号: 05780287
• 研究機関: 京都大学
• 研究代表者: 河原 達也 京都大学, 工学部, 助手 (00234104)
• キーワード: 音声認識 / HMM / LRパ-ザ / A^*探索 / 単語対文法 / 意味ネットワーク

研究概要

会話音声認識における、さまざまな知識の統合法、及びA^*ヒューリスティック探索の実現に関して、以下のように研究を行なった。
1.A^*ヒューリスティック探索の実現
A^*ヒューリスティック探索は、探索時点までのマッチングスコアと未探索部分のヒューリスティック(推定)スコアを総合した評価値を基に、最適な文を探索していく。ここで、未探索部分をどのようにしてヒューリスティック(発見的)に推定・評価するかが課題となる。そこで、計算量・制約の強さの両面から検討を行ない、全仮説に共通な単語対制約を用いることとした。エントロピーという評価基準で、これが優れたヒューリスティックスとなることを確認した。不特定話者連続音声の認識において、従来用いられているビームサーチと種々の条件で比較・評価した結果、本アルゴリズムは、最適解が必ず得られることから最高の認識率を得ており、また無駄な仮説の展開が少ないことから処理効率も優れていることが示された。
2.各レベルの知識表現
多レベルの知識の統合法に関しては、上述の探索の際に、語彙・構文制約だけでなく、意味の制約を統合した。これにより、意味的に妥当でなかったり、対話の流れに整合していない文仮説を早期の段階に排除でき、すべての制約を満たす最適な解が得られる。意味制約の知識表現としては、意味ネットワークと格構造フレームの2種を用いた。意味ネットワークは、単語とその上位概念の関係を記述し、文仮説における単語・概念間の意味的な矛盾を検出するものである。格構造フレームは、文の意味を構成する格のパターンを記述し、これとのマッチングにより不適切な仮説を排除することができる。これらの知識を導入することにより、認識率・意味理解率がさらに向上することを確認した。

研究成果

• [文献書誌] 河原達也,松本真治,堂下修司.: "単語対制約をヒューリスティックとするA^*探索に基づく会話音声認識." 電子情報通信学会論文誌. J77-D2. 1-8 (1994)
• [文献書誌] :Kawahara,Araki,Doshita.: "Reducing syntactic perplexity of user utterances with automaton dialogue model." In Int'l Sympo.on Spoken Dialogue. 65-68 (1993)
• [文献書誌] 北岡数英,河原達也,堂下修司.: "格構造を利用したright-to-leftA^*探索に基づく会話音声認識." 電子情報通信学会技術報告. SP93-19. (1993)
• [文献書誌] 河原達也,荒木雅弘.: "Spontaneous speech の理解のための処理モデル." Spontaneous Speech の分析・理解・生成に関するシンポジウム. SPREC93. (1993)
• [文献書誌] 北岡数英,河原達也,堂下修司.: "自由発話認識・理解のためのフレーズスポッティング." 電子情報通信学会技術報告. SP93-116. (1993)
• [文献書誌] 河原達也,北岡数英,額賀伸尾.: "フレーズスポッティングに基づく音声理解." 音声認識・理解の今後の課題に関する共催研究会. SPREC93. (1994)