複数話者の音声コミュニケーションの意図・状況理解

了解多说话者语音通信的意图和情况

• 批准号: 15017252
• 负责人: 河原 達也
• 金额: $ 3.26万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 2003
• 资助国家: 日本
• 起止时间: 2003 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-15017252/
• 关键词: 音声情報処理; 音声認識; 意図理解; 音声対話システム; 協調的応答; ユーザモデル

人間と共生する機械を実現するためには、システムがユーザのモデルを知覚し、それに応じて適応的に行動することが重要であると考えられる。本研究では、音声対話によるインタフェースにおいて、協調的な応答を生成するためのユーザモデルについて検討を進めてきた。具体的には、システムに対する習熟度、タスクドメインに関する知識レベル、性急度の3つのユーザモデルを導入し、それに応じて対話制御を行う戦略を提案した。京都市バス運行情報案内システム(現在試験運用中:075-326-3116)において実装・評価を行った結果、各ユーザに適応した協調的応答が、習熟したユーザに対する対話時間を増加させることなく、初心者に対して適切なガイダンスとなることが示された。本研究で用いているユーザモデルの判別には、音声認識結果に含まれる意味情報以外に、発話間間隔やバージインの有無などの音声対話特有の特徴も用いている。特に、習熟度と性急度の学習・判別に用いる特徴はドメイン知識に依存していないため、これらのユーザモデルは他のドメインにも応用できる汎用的なものである。これらの研究成果に関しては、自然言語処理の分野で最も権域があるAssociation for Computational Linguistics (ACL)において発表論文として採択され、人工知能学会全国大会においても優秀賞を授与された。さらに、国内外の雑誌論文に掲載される予定である。また、新聞での報道もされた。

Human と symbiotic す る mechanical を be presently す る た め に は, シ ス テ ム が ユ ー ザ の モ デ ル を know 覚 し, そ れ に 応 じ て optimum 応 に action す る こ と が important で あ る と exam え ら れ る. This study で は, sounds of words に seaborne よ る イ ン タ フ ェ ー ス に お い て, coordination of な 応 answer を generated す る た め の ユ ー ザ モ デ ル に つ い て beg を 検 into め て き た. Specific に は, シ ス テ ム に す seaborne る acquisition, タ ス ク ド メ イ ン に masato す る knowledge レ ベ ル, impatient の 3 つ の ユ ー ザ モ デ ル を import し, そ れ に 応 じ て words suppression seaborne を line う 戦 slightly を proposal し た. Beijing urban バ ス running situation report within シ ス テ ム (now in the test using: 075-326-3116) に お い て be loaded, review 価 を line っ た results, various ユ ー ザ に optimum 応 し た coordinated 応 answer が, acquisition of し た ユ ー ザ に す seaborne る words time を raised seaborne plus さ せ る こ と な く, beginner's mind に し seaborne て appropriate な ガ イ ダ ン ス と な る こ と が shown さ れ た . This research で い て い る ユ ー ザ モ デ ル の discriminant に は, sounds know results に ま れ る mean intelligence に, interval between 発 words や バ ー ジ イ ン の presence of な ど の sounds words unique の 徴 especially seaborne も with い て い る. に, acquisition of acute と degrees, discriminant に の study with い る, 徴 は ド メ イ ン knowledge に dependent し て い な い た め, こ れ ら の ユ ー ザ モ デ ル は he の ド メ イ ン に も 応 with で き る of universal な も の で あ る. こ れ ら の research に masato し て は, natural speech 処 の eset で most も 権 domain が あ る Association for Computational Linguistics (ACL) に お い て 発 table paper と し て mining 択 さ れ, artificial knowledge can learn national convention に お い て も excellent reward を grant さ れ た. Youdaoplaceholder0, domestic and foreign さらに 雑 journal papers に published される approved である. Youdaoplaceholder0, news で で report また された.

项目成果

山肩洋子, 河原達也, 奥乃博, 美濃導彦: "音声対話システムにおける物体指示のための信念ネットワークを用いた曖昧性の解消"人工知能学会誌. Vol.19, No.1. 47-56 (2004)

Yoko Yamashita、Tatsuya Kawahara、Hiroshi Okuno、Norihiko Mino：“在口语对话系统中使用信念网络消除歧义”，日本人工智能学会杂志，第 19 卷，第 47-56 期（2004 年）。

T.Kawahara, M.Hasegawa, K.Shitaoka, T.Kitade, H.Nanjo.: "Automatic indexing of lecture presentation using unsupervised learning of presumed discourse markers."IEEE Trans.Speech & Audio Processing. (採録決定). (2004)

T.Kawahara、M.Hasekawa、K.Shitaoka、T.Kitade、H.Nanjo.：“使用假定话语标记的无监督学习自动索引讲座演示。”IEEE Trans.Speech & Audio Processing（已接受）。

南條浩輝, 河原達也: "講演音声認識のための教師なし言語モデル適応と発話速度に適応したデコーディング"電子情報通信学会論文誌. (採録決定). (2004)

Hiroki Nanjo、Tatsuya Kawahara：“适用于演讲语音识别和解码的无监督语言模型适应语速”电子、信息和通信工程师学会汇刊（2004 年已接受）。

秋田祐哉, 河原達也: "多数話者モデルを用いた討論音声の教師なし話者インデキシング"電子情報通信学会論文誌. Vol.J87-DII, No.2. 495-503 (2004)

Yuya Akita、Tatsuya Kawahara：“使用多发言者模型对讨论演讲进行无监督的发言者索引”，电子、信息和通信工程师学会汇刊，第 J87-DII 卷，第 2 期（2004 年）。

K.Komatani, S.Ueno, T.Kawahara, H.G.Okuno: "Flexible guidance generation using user model in spoken dialogue systems."In Proc.Annual Meeting of Association for Computational Linguistics (ACL). 256-263 (2003)

K.Komatani、S.Ueno、T.Kawahara、H.G.Okuno：“在口语对话系统中使用用户模型进行灵活的指导生成。”在 Proc.计算语言学协会 (ACL) 年会中。