WWW情報検索サービスのための音声言語インタフェースシステムの開発

WWW信息搜索服务口语接口系统的开发

• 批准号: 11780267
• 负责人: 甲斐 充彦
• 金额: $ 0.7万
• 依托单位: Shizuoka 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-11780267/
• 关键词: 音声認識; WWW; 情報検索; タスク記述; 音声文書検索; マルチモーダルインタフェース; XML; プロトタイピング; ユーザインタフェース; 音声対話; 言語モデル

本年度の研究では、WWW上での効率的な情報閲覧・検索のための音声言語インタフェース技術を開発するという当初の目的・計画に関してそれぞれ以下のような成果が得られた。1.キーワードの検索のための音声認識手法の開発情報検索システムなどWeb上で利用されるGUIベースのユーザインタフェースには、固有名詞の入力を必要とするものが多く、既存の音声認識システムでは扱いが困難であった。本研究では、日本語において扱いやすい音節を単位とした連続音声認識技術を応用し、音声文書検索および任意のキーワード入力を実現する方法を開発した。具体的には、統計的な言語モデルであるN-gramを日本語の音節列に関して大量のテキストコーパスから求め、音節trigramの制約に基づくone-pass型の連続音声認識アルゴリズムへ適用した。これをもとに、音声文書検索においてはベクトル空間法および複数候補(N-best)の利用に基づく類似性評価法を検討し、音声認識誤りによる性能劣化を抑えた検索法を開発した。また、キーワード入力においては、音節列の複数候補(N-best)とGUIによるユーザ選択に基づく固有名詞入力方式を開発し、実用性への検証を行った。2.システムの試作とデータ収集環境の開発音声以外のモダリティを含むマルチモーダルインタフェース(MMI)システムは、一般に複数の複雑なコンポーネントが有機的に結合し動作するように実現されなければならない。従来は専用の高度なシステム開発環境を提供することに重点が置かれているが、本研究では比較的身近なWWW上の情報検索サービスへの適用を想定し、汎用性の高いMMIプラットフォームを開発した。開発したプラットフォームは、WWWブラウザをクライアントとし、システムや対話タスクの記述及び各種コンポーネント間の通信の手順までをすべてXML(eXtensible Markup Language)で統一することにより汎用性を実現した。実際に、従来UNIX OS上で構築されていたMMI対話システムをこのプラットフォーム上に容易に移行でき、ネットワークを介してユーザが利用できる環境を構築した。これにより、広範な対話データ収集のためのユーザ利用環境を容易に提供可能となった。

This year's research is based on the following achievements: information browsing, searching, voice and speech technology development, original goals and plans. 1. The development information system of the sound recognition method of the search engine is difficult to use on the Web, and the input force of the inherent noun is necessary. This study is aimed at developing a method for the realization of sound recognition techniques in Japanese and Chinese syllables. Specific, statistical, speech, syllable sequence, syllable trigram, restriction, basic, one-pass, continuous sound recognition, application The performance degradation of acoustic recognition errors is investigated by using the basic similarity evaluation method and the N-best method. In addition, the number of syllables (N-best) in the syllabic array and the number of syllables (N-best) in the GUI are selected according to the basic noun input mode. 2. The test operation of the system is to collect the sound of the environment, including the sound of the sound of the sound. In the future, the development environment of high level MMI will be provided. In this study, the application of high level MMI development environment will be provided. The open source markup language (XML) is used to implement the universal functionality of XML(eXtensible Markup Language), which is used to describe and communicate with various types of users. In fact, since the establishment of the MMI system on UNIX OS, it is easy to migrate and use the system environment. The environment is easy to use and the possibilities are easy to find.

项目成果

A.Kai,T.Nakano and S.Nakagawa: "A speech Interface ststem for information on retrieval tasks on the www"Proceedings of International Workshop Speech and Cpmputer. 141-144 (1999)

A.Kai、T.Nakano 和 S.Nakakawa：“用于 www 上检索任务信息的语音接口系统”国际语音和计算机研讨会论文集。

A.Kai,T.Nakano,and S.Nakagawa: "Usability of Browser-Based Pen-Touch/Speech User Interfaces for Form-Based Applications in Mobile Environment"Lecture Notes in Computer Science 1948 : Advances in Multimodal Interfaces-ICMI2000, Springer. Vol.1948. 549-556

A.Kai、T.Nakano 和 S.Nakakawa：“移动环境中基于表单的应用程序的基于浏览器的笔触/语音用户界面的可用性”计算机科学 1948 年讲义：多模式界面的进展 - ICMI2000，Springer