「第 7 回音声ドキュメント処理 ワークショップ」に参加して

特集
学生の研究活動報告−国内学会大会・国際会議参加記 18
は削除誤り単語の重要度の合計を，VS は置換誤り
「第 7 回音声ドキュメント処理
ワークショップ」に参加して
古
谷
区間の単語重要度の合計を，VN は正解文の単語重
要度の合計を表す．
遼
Ryo FURUTANI
情報メディア学専攻修士課程
2. 2 ベイズリスク最小化音声認識
2012 年度修了
単語重要度に基づく音声認識は音声認識の枠組み
は式（2）のベイズリスク最小化（MBR）の枠組み
1．はじめに
で記述される．
私は，2012 年 3 月 2 日に名古屋大学で行われた
＾
W
＝arg min
w
!（l W, W ′）P（W ′, X ）
λ1
λ2
W′
（2）
「第 7 回音声ドキュメント処理ワークショップ」に
ここで，l（ W, W ′
）は損失関数を表し，P（W, X ）
参加した．これは，音声データを文書として扱う技
は音声認識スコアを表す．WWER 最小化を実現す
術の開発を主な目的として開催されているワークシ
るには，式（1）の分子を損失関数として用いる．
ョップである．私は本ワークショップで「ベイズリ
スク最小化音声認識を用いた音声検索システムにお
けるクエリ生成方法の検討」という題目で発表を行
3．単語重要度の自動推定
3. 1
った．
単語重要度の自動推定のアルゴリズム
適切な単語重要度とは，音声認識誤りが引き起こ
本報告では，音声検索システムに関する研究につ
す検索性能の低下率を WWER から予測できるよう
いて述べる．音声検索システムは，1）音声認識，
な重要度である．本研究では，音声認識誤りが含ま
2）検索要求（クエリ）生成，3）情報検索の 3 つの
れることによってどの程度検索性能が低下したかを
モジュールを持つシステムである．このシステムで
表す，検索性能低下率（IRDR）を定義し，これと
は，音声認識誤りが発生すると検索性能が低下する
WWER が等しくなるように単語重要度を推定する．
ため，音声認識の性能が重要となる．このような背
具体的には，音声認識誤りが含まれない検索要求
景から，我々はこれまでに，情報検索の観点から重
と，音声認識誤りが含まれる検索要求を用いて実際
要となる単語の音声認識誤りを削減するための音声
に情報検索を行い，それぞれの検索結果を得る．次
認識である，WWER 最小化音声認識の研究を行っ
に，それぞれの検索結果を検索の正解集合を用いて
てきた．しかし，この音声認識を行った結果からの
評価し，IRDR を算出する．最後に，IRDR と WWER
検索要求生成手法の検討は十分でなかった．このよ
の平均二乗誤差が最小化されるよう，最急降下法を
うな背景に基づき，重要単語誤り最小化音声認識と
用いて単語重要度を推定する枠組みである．
その結果からの検索要求生成手法の組み合わせにつ
いて検討を行ったので報告を行う．
3. 2 単語重要度推定用の学習データの自動生成
本研究で提案する単語重要度推定の枠組みは，検
2．単語重要度に基づく音声認識の枠組み
2. 1
索要求の発話データ，その書き起こし，および検索
の正解集合を要求するため，学習データ整備のコス
重み付き単語誤り率
単語重要度に基づく音声認識の評価尺度である重
トが高い．そのため，単語重要度推定のための学習
み付き単語誤り率（WWER）は式（1）で定式化さ
データを自動生成する手法を提案する．まず，検索
れる．
の正解集合は書き起こしの検索要求での検索結果で
VI＋VD＋VS
WWER ＝
（1）
VN
ここで，VI は挿入誤り単語の重要度の合計を，VD
代用する．書き起こしの検索要求として，検索の特
徴語と検索要求のテンプレートから擬似検索要求を
― ３３ ―
表1
重要度推定の実験結果
表2
音声検索システムの実験結果
単語重要度推定手法
WWER と IRDR の相関
重要度未使用
0.53
従来システム
検索性能
0.358
品詞
0.53
提案システム
0.362
提案法
0.59
自動で生成する．音声認識結果の検索要求は，擬似
5．音声検索システムの実験
検索要求に対してランダムに単語編集を行うことで
2 章の音声認識手法，3 章の単語重要度，4 章の
自動生成する．これらの枠組みを用いることで，単
検索要求生成手法を用いた音声検索システム（提案
語重要度の自動推定に必要な学習データを全て自動
システム）の実験を行った．また，通常の音声認識
生成できる．
の 1-Best を用いる音声検索システム（従来システ
ム）との比較を行った．実験結果を表 2 に示す．
3. 3
従来システムを用いた場合の検索性能は 0.358 と
単語重要度推定の結果
単語重要度推定の評価として，WWER から IRDR
なった．これに対して，提案システムを用いた場合
をどの程度予測できるかを調査するため，両者の相
の検索性能は 0.362 となり，検索性能の向上が見ら
関を計算した．提案法の比較対象として，単語重要
れた．なお，書き起こしを用いた場合，すなわち音
度を用いない場合と，単語重要度を品詞で決定した
声認識誤りが全く発生しない場合には，検索性能は
場合の結果も調査した．実験結果を表 1 に示す．
0.428 となる．このことから，従来システムで発生
単語重要度を使用しない場合および単語重要度を
する音声認識誤りに由来する検索性能の低下
品詞で 決 定 し た 場 合と 比 較 し ， 提 案 法 の 結 果 は
（IRDR）のうち，6％ を削減できることがわかっ
WWER と IRDR の相関 が 高 い ． こ れ は ，WWER
た．結果を詳細に調査したところ，従来システムの
からの IRDR の予測精度が高く，適切な単語重要
検索性能が悪い場合に提案システムで検索性能の向
度が推定できたことを示す．
上が見られた．これらの結果は，提案システムを用
いることで，音声検索に対する音声認識誤りの影響
4．N-Best リストからの検索要求生成手法
を削減できることを示している．
WWER 最小化音声認識の結果を調査したところ，
通常の音声認識と比較して，N-Best リストの上位
6．おわりに
に音声認識誤りの少ない候補が多く出現することが
適切な単語重要度を設定する手法，重要単語の音
わかった．これは，N-Best リストの上位候補に正
声認識誤りを削減する音声認識を行う手法，N-Best
しい音声認識結果が出現しやすくなっていることを
リストを用いて検索要求を生成する手法を提案し
示している．したがって，本研究では N-Best リス
た．これらの 3 つを組み合わせた音声検索システム
トからの検索要求生成手法の検討を行う．具体的に
の評価を行ったところ，従来の音声検索システムと
は，まず N-Best リストの上位の候補から単語グラ
比較して，音声認識誤りに由来する検索性能の低下
フを生成する．次に，単語グラフのスコアに基づい
のうち 6％ を削減できた．
て各単語の出現頻度を計算する．このとき，スコア
本ワークショップで発表を行い，多くの貴重な意
の低い単語は音声認識誤りの可能性が高いため，こ
見を頂くことができた．また，今後の研究を進める
れらの候補の枝狩りを行う．この手法を用いること
に当たって参考となる研究発表が多数あり，貴重な
で，正しく音声認識ができている単語を重視した情
体験をすることができた．
報検索を行うことができる．
― ３４ ―