講演抄録/キーワード |
講演名 |
2020-03-03 09:00
[ポスター講演]音素セット縮小に用いる言語モデル比較 ○古明地秀治・田中聡久(東京農工大)・篠田浩一(東工大) EA2019-152 SIP2019-154 SP2019-101 |
抄録 |
(和) |
音素セット縮小に用いる言語モデルを比較する.
音素セット縮小は,学習データが少なく全音素の学習が難しいタスクにおいて,
音素識別性能を向上させる一方,同音単語を増加させ,音声認識の精度劣化を誘発する弊害を併せもつ.
提案する音素セット縮小方法では,言語モデルにおける $n$-gram の出現確率から算出した
発音/単語列混同率 (Pronunciation/Word sequence Rate; PWCR)に基づき,
音声認識の精度劣化を抑えながら音素数を減らす事を可能にする.
これまでに筆者らは,trigram 言語モデルを用いて設計した縮小音素セットを評価した.
本稿では,一般に trigram よりも $n$-gram の種類数が少ない unigram や bigram で,
得られた縮小音素セットでも音声認識精度劣化を抑えられることを示す.
音声認識評価により,unigram において,trigram や bigram よりも,
1/10 程度の計算量での音素セット縮小を実現した.
さらに,日本語話し言葉コーパスの標準評価データにおいて,
3つの言語モデルの違いによる平均単語誤り率の差が 0.2%
以内となり,ほぼ同等となった. |
(英) |
Language models for a design of reduced phoneme set are compared each other.
The reduction of the phoneme set improves discriminability of phonemes under the condition
where the amount of training data is too small to train each phoneme model.
On the other hand, it increases homophones that yield degradation of speech recognition.
In the proposed approach, it is possible to reduce phonemes preventing degradation,
regarding pronunciation/word sequence confusion rate (PWCR) calculated from an $n$-gram language model.
Previously, we have evaluated the reduced phoneme set designed with trigram.
In this paper, we clarify whether unigram and bigram, which have less $n$-grams than trigram, can be
used to design reduced phoneme sets that prevent degradation of accuracy.
Accoding to the evaluation for unigram, inspite of about 1/10 calculation cost,
the difference of Word Error Rates (WERs) is within 0.2%
among these three language models. |
キーワード |
(和) |
音声認識 / 音素セット / 言語モデル / n-gram / / / / |
(英) |
Automatic speech recognition / Phoneme set / Language model / n-gram / / / / |
文献情報 |
信学技報, vol. 119, no. 440, SIP2019-154, pp. 295-300, 2020年3月. |
資料番号 |
SIP2019-154 |
発行日 |
2020-02-24 (EA, SIP, SP) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EA2019-152 SIP2019-154 SP2019-101 |
研究会情報 |
研究会 |
SP EA SIP |
開催期間 |
2020-03-02 - 2020-03-03 |
開催地(和) |
沖縄産業支援センター |
開催地(英) |
Okinawa Industry Support Center |
テーマ(和) |
音声,応用/電気音響,信号処理,一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
SIP |
会議コード |
2020-03-SP-EA-SIP |
本文の言語 |
日本語 |
タイトル(和) |
音素セット縮小に用いる言語モデル比較 |
サブタイトル(和) |
|
タイトル(英) |
A Comparison of Language Models for a Design of Reduced Phoneme Set |
サブタイトル(英) |
|
キーワード(1)(和/英) |
音声認識 / Automatic speech recognition |
キーワード(2)(和/英) |
音素セット / Phoneme set |
キーワード(3)(和/英) |
言語モデル / Language model |
キーワード(4)(和/英) |
n-gram / n-gram |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
古明地 秀治 / Shuji Komeiji / コメイジ シュウジ |
第1著者 所属(和/英) |
東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT) |
第2著者 氏名(和/英/ヨミ) |
田中 聡久 / Toshihisa Tanaka / タナカ トシヒサ |
第2著者 所属(和/英) |
東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT) |
第3著者 氏名(和/英/ヨミ) |
篠田 浩一 / Koichi Shinoda / |
第3著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: titech) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-03-03 09:00:00 |
発表時間 |
90分 |
申込先研究会 |
SIP |
資料番号 |
EA2019-152, SIP2019-154, SP2019-101 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.439(EA), no.440(SIP), no.441(SP) |
ページ範囲 |
pp.295-300 |
ページ数 |
6 |
発行日 |
2020-02-24 (EA, SIP, SP) |
|