最大事後確率推定によるN-gram言語モデルのタスク適応

政瀧 浩和  匂坂 芳典  久木 和也  河原 達也  

誌名
電子情報通信学会論文誌 D   Vol.J81-D2   No.11   pp.2519-2525
発行日: 1998/11/25
Online ISSN: 
DOI: 
Print ISSN: 0915-1923
論文種別: 論文
専門分野: 音声,聴覚
キーワード: 
連続音声認識,  N-gram,  タスク適応,  最大事後確率推定,  

本文: PDF(512.8KB)>>
論文を購入




あらまし: 
近年,連続音声認識の性能向上を目的として,N-gram言語モデルが盛んに用いられているが,精度の高いN-gram言語モデルを構築するためには大量のテキストデータが必要である.本論文では,この問題点を解決するため,目的外のタスクも含めた大量のテキストデータより得られる言語情報を,目的のタスクのデータの特徴に適応させN-gramの精度を向上させるタスク適応の手法を提案する.提案する手法は,複数のタスクよりなる大量のデータを事前知識とし,目的のタスクのデータを観測データとみなすことにより,最大事後確率推定(MAP推定:Maximum A-Posteriori Probability Estimation)を用いてタスク適応を行うものである.実験の結果,最大事後確率推定により適応を行ったN-gramは,データベース中の全タスクにおいてタスク不特定N-gramおよびタスク特定N-gramよりもパープレキシティが減少し,本手法によるタスク適応の有効性を確認した.