離散型HMnetを用いた音声認識システム用言語モデルの自動獲得手法の開発

基于离散HMnet的语音识别系统自动语言模型获取方法的开发

• 批准号: 11780244
• 负责人: 鈴木 基之
• 金额: $ 1.47万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1999
• 资助国家: 日本
• 起止时间: 1999 至 2000
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-11780244/
• 关键词: 音声認識; 言語モデル; 離散型HMnet; NL-HMnet; 有限状態オートマトン; 状態数の自動推定

前年度は新しい言語モデル用HMnet構成法を開発し,人工言語を用いて従来からの言語モデルとの性能比較を行った。その結果,新しく開発した言語モデル(以下,NL-HMnet)は従来からの言語モデルに比べて高い性能を持つことが確認されたが,一方で学習サンプルに対する過学習が起きやすいという欠点を持つことがわかった。そこで本年度は,以下の項目について研究を行った。・一般的な自然言語に対するNL-HMnetの性能評価前年度は簡単な人工言語を用いて基本性能を評価した。そこで本年度はより一般的な自然言語に対してNL-HMnetの性能評価を行った。対象タスクには比較的文法構造が明確であると思われる解剖所見文書を用いた。n-gramと性能比較を行ったところ,特に長い文(1文あたりの単語数が多い文)が多く含まれる節でよい性能を示した。これは,NL-HMnetが遠くの位置にある単語間の相関をうまく表現できることを示していると思われる。一方で学習サンプルに対する過学習も起き,その結果テストサンプルに対するカバー率が低くなってしまった。・NL-HMnetの状態数を自動決定する方法の開発学習サンプルに対する過学習は,NL-HMnetの状態数が過剰である場合に起きる。一方状態数が過小である場合は十分な性能を持たないので,適切な状態数を設定する必要がある。従来は状態数を経験的に与えていたが,学習サンプルのみからテストセットパープレキシティを推定することで,自動的に適切な状態数を選択できる方法を開発した。従来から確率モデルの規模を選択する基準として用いられているMDLに比べ,どのような条件においても常に適切な状態数を選択できることがわかった。

In the past year, HMnet construction method was developed to compare the performance of artificial speech. As a result, the new development of the speech language (hereinafter referred to as NL-HMnet) has been confirmed to be higher than the performance of the speech language (hereinafter referred to as NL-HMnet), and one party has learned to learn the speech language (hereinafter referred to as NL-HMnet). This year, the following projects were carried out.·The performance evaluation of NL-HMnet for general natural speech and the evaluation of basic performance for simple artificial speech in previous years This year's performance evaluation of NL-HMnet is based on general natural speech. The grammatical structure of the image is clear and clear. n-gram performance comparison: 1 word, 1 word, 2 words, 2 words, 3 words, 3 words, 4 words, 5 words, 6 words, 7 words, 8 words, 9 words, 9 NL-HMnet is located in the middle of the city. A party to the study of the past study of the beginning, and the results of the study of the rate of low NL-HMnet state number is automatically determined by the method of development learning,NL-HMnet state number is determined by the method of development learning. When the number of states is too small, the performance is very high, and the number of states is set appropriately. The method of selecting the appropriate number of states automatically is developed. The size of the target is selected from the baseline and the MDL is selected from the appropriate state.

项目成果

長野雄,鈴木基之,牧野正三: "大規模言語データベースからの言語モデルの自動獲得"東北大学電気通信研究所第302回音響工学研究会資料. 302-1. 1-11 (1999)

Yu Nagano、Motoyuki Suzuki、Shozo Makino：“从大型语言数据库自动获取语言模型”第 302 届声学工程研究会议材料，东北大学电气通信研究所 302-1（1999）。

長野雄,鈴木基之,牧野正三: "確率的にN-gram統計を切り替える言語モデル"東北大学電気通信研究所第309回音響工学研究会資料. 309-3. 31-41 (2000)

Yu Nagano、Motoyuki Suzuki、Shozo Makino：“随机切换 N-gram 统计的语言模型”材料，第 309 届声学工程研究会议，东北大学电气通信研究所 309-3 (2000)。

鈴木基之,牧野正三: "HMnetにおける最適な状態数の自動決定法"東北大学電気通信研究所第309回音響工学研究会資料. 308-2. 10-15 (2000)

Motoyuki Suzuki，Shozo Makino：“HMnet 中最佳状态数的自动确定方法”第 309 届声学工程研究会议材料，东北大学电气通信研究所 308-2（2000 年）。

M.Suzuki and S.Makino: "Automatic Determination Algorithm for the Optimum Number of States in NL-HMnet"Proc.Third International Conference on Discovery Science. LNAI 1967. 306-310 (2000)

M.Suzuki 和 S.Makino：“NL-HMnet 中最佳状态数的自动确定算法”Proc.第三届国际发现科学会议。

長野雄,鈴木基之,牧野正三: "文節NL-HMnetを用いた文モデルの獲得"日本音響学会1999年秋季研究発表会講演論文集. I. 103-104 (1999)

Yu Nagano、Motoyuki Suzuki、Shozo Makino：“使用 Bunsetsu NL-HMnet 获取句子模型”日本声学学会 1999 年秋季研究会议论文集 I. 103-104 (1999)。