黒岩 眞吾

現在,IP電話端末から音声認識システムを利用する場合,音声データ通信時における音声圧縮・伸張(符号化)の影響より固定電話と比較して音声認識精度が低下する問題がある.これを回避するため,符号化された多量の音声データを用いて音響モデルを再学習,及び適応する手法が提案されている.しかし,再学習や適応に必要となる多量の音声データを収集することは多大な労力と時間が必要となる.そこで本論文では,音声データの収集を必要としない音響モデル適応手法を提案する.本提案手法は,認識に用いる音響モデルから適応に必要な音声データを自己生成する手法である.本論文ではこの手法を実現するため,音響モデルの各分布より音素波形を合成し適応に用いる「合成音素波形による音響モデルの分布適応法」と連続音声を合成し適応に用いる「連続合成音声を用いた音響モデル適応法」を提案する.符号化方式G723.1を用いた音声認識実験結果より,連続合成音声を用いた音響モデル適応法は適応前の音響モデルの認識精度を改善することが分かった.これらの結果より,提案手法は適応データの収集を必要とせず,符号化音声を高精度に認識する手法として有効であるといえる.

用例に基づく機械翻訳の一つである Super-Function （SF） に基づく機械翻訳は、名詞を変数化することで用例の適用範囲を広げられるという特長を持つが、名詞以外の表現を含む日付・時間表現では、日付・時間表現全体をひとつの名詞として抽出することができず、その数字部分しか変数化できないという問題があった。この問題を解決するため、本稿では、日付・時間表現を抽出する手法を提案する。SF に基づく機械翻訳では名詞を抽出するために名詞判定規則を用いている。また抽出した各名詞の言語間の対応を得るために単語辞書を用いている。本手法ではまず名詞判定規則に日付・時間表現を抽出する規則を追加し日付・時間表現を抽出した。次に抽出した日付・時間表現を日英に共通な形に変換することで日付・時間表現の対応を得た。作成した規則を用いて評価実験を行ったところ日本文で適合率 96.7％、再現率 98.2％、英文で適合率 94.7％、再現率 92.7％を得られた。Super-Function Based Machine Translation(SFBMT) which is a type of Example-Based Machine Translation has a feature which makes it possible to expand the coverage of examples by changing nouns into variables, however, there were problems extracting entire date/time expressions containing parts-of-speech other than nouns, because only nouns/numbers were changed into variables. We describe a method for extracting date/time expressions for SFBMT. SFBMT uses noun determination rules to extract nouns and a bilingual dictionary to obtain correspondence of the extracted nouns between the source and the target languages. In this method, we add a rule to extract date/time expressions and then extract date/time expressions from a Japanese-English bilingual corpus. The evaluation results shows that the precision of this method for Japanese sentences is 96.7％, with a recall of 98.2％ and the precision for English sentences is 94.7％, with a recall of 92.7％.

Search computing has been widely used in the field of natural language processing. In recent years the QA System has been successfully applied to a number of applications but the limited amounts and the incertitude of answer were much in evidence. The wealth of information on the web makes it an attractive and simple resource for seeking quick information. Recently being quite successful in providing keyword based access to web pages commercial search portals still lack the ability to answer questions expressed in a natural language of Chinese. In this paper we propose a new method based on the Google WEB API for the QA System in restricted domains. The experiment showed that this method can get the more accurate result.Search computing has been widely used in the field of natural language processing. In recent years, the QA System has been successfully applied to a number of applications, but the limited amounts and the incertitude of answer were much in evidence. The wealth of information on the web makes it an attractive and simple resource for seeking quick information. Recently being quite successful in providing keyword based access to web pages, commercial search portals still lack the ability to answer questions expressed in a natural language of Chinese. In this paper we propose a new method based on the Google WEB API for the QA System in restricted domains. The experiment showed that this method can get the more accurate result.

これまでの web における観光案内コンテンツは一方向的に情報発信を行っている。そこで我々は、CAIWA システムを用い、ユーザの質問に回答できる対話型案内コンテンツを作成した。コンテンツとして徳島の観光名所を取り上げ、特徴や歴史等を案内することができる。ユーザは観光案内動画を閲覧中に疑問や質問などをテキストまたは音声で入力することで動画像と音声によってその回答を得ることが出来る。これにより、ユーザとの柔軟な質問応答のやりとりを実現した。Current sightseeing guide contents on web provide information in one direction. We made an interactive guide contents to answer user's question by using a CAIWA system. The contents show tourist spots in Tokushima by introducing their feature or historical background with video pictures. Users can ask questions by inputting text or speech anytime during a video and can obtain answers by video pictures and audio commentary. As a result, we achieved flexible question and answer communication between the users and the system.

感情に関わる研究において、言語データに発話者の感情を表すタグ（感情タグ）を付与した感情コーパスの構築が望まれている。しかし、人手で作成するには多くのコストを要する。そこで本稿では、感情コーパス作成の自動化を目指し、文中の語に基づいたナイーブベイズによる感情分類手法を提案する。Web から収集した学習データを用いた評価実験により提案手法の有効性を確認する。In this paper, we aim to develop Emotion corpus automatically using Naive Bayes Classifier. Emotion corpus is language data with emotion tags. Language data is the corpus which made by the sentences that we collected from web. Emotion tag stands for emotion of the people who wrote the sentences at the time. At first, we put emotion tags on the language data we collected. Next, we classify the language data using the Naive Bayes Classifier based on this data set, and I confirm the effectiveness of the method.

従来、文が表現する感情を推定する手法では、推定できる感情の種類がわずかであったり、一つ一つの単語ごとに感情別の重みを付与した辞書を構築し、推定に利用するものが多かった。そこで我々は、推定できる感情の種類を容易に増やすことができ、また感情別の重みの付与を単語 N-gram で行うことで文が指す内容に対する話し手の判断や心的態度を表すモダリティなどの感情表現も利用する、従来手法よりも高い精度で推定可能な感情推定手法の提案を目指している。このような推定手法を実現するため、我々は２つの文が表現している感情がどれほど類似しているかを計算する感情類似度計算手法を過去に提案した。感情類似度は、あらかじめ用意した、文を感情別に分類した複数のコーパス(感情コーパス)を用い、機械翻訳システムの翻訳精度を求める尺度である BLEU を基に、入力文と感情別に分類された文との類似度を計算することで求める。本稿で我々は、従来の BLEU を用いる感情推定よりも高い精度で推定を行うために、感情コーパス別に単語 N-gram の出現頻度を求めた辞書を従来手法に導入した新たな手法を提案する。提案手法の性能を調べるため、入力文から感情類似度を求め、最も感情類似度が高くなった感情と、人手で判断した入力文の感情の一致率を求める実験を行った。その結果、従来の BLEU による類似度計算を用いた手法に比べ、提案手法では 20.59％一致率が向上した。Existing methods to estimate emotions of a sentence can estimate a few kinds of emotion, and many methods use a dictionary that emotion weights is related every words. Our aim is to propose a method which can estimate with high precision using feeling expression (modality et al.) and can add new estimatable emotion easily. we gave emotion weights to N-gram to use feeling expression. To propose such method, we proposed an emotion similarity calculation. This method calculates similarity between represented emotions from two sentences. In the emotion similarity calculation, we use similarity between an input sentence and classified sentence by emotions. Classified sentences are in emotion corpora. The calculation formula is based on BLEU. BLEU is machine translation evaluation method. In this paper, we propose a new emotion similarity calculation method. This method can estimate with high precision compared to the past one. This method uses N-gram frequency dictionaries made from each emotion corpora. To examine the precision of the method, we evaluated ratio that emotions of highest emotion similarities corresponds emotions of the input. Emotions of the input was decided by human. As the results, the ratio was improved 20.59.

これまでのwebにおける観光案内コンテンツは一方向的に情報発信を行っている.そこで我々は,CAIWAシステムを用い,ユーザの質問に回答できる対話型案内コンテンツを作成した.コンテンツとして徳島の観光名所を取り上げ,特徴や歴史等を案内することができる.ユーザは観光案内動画を閲覧中に疑問や質問などをテキストまたは音声で入力することで動画像と音声によってその回答を得ることが出来る.これにより,ユーザとの柔軟な質問応答のやりとりを実現した.

感情に関わる研究において,言語データに発話者の感情を表すタグ(感情タグ)を付与した感情コーパスの構築が望まれている.しかし,人手で作成するには多くのコストを要する.そこで本稿では,感情コーパス作成の自動化を目指し,文中の語に基づいたナイーブベイズによる感情分類手法を提案する.Webから収集した学習データを用いた評価実験により提案手法の有効性を確認する.

従来,文が表現する感情を推定する手法では,推定できる感情の種類がわずかであったり,一つ一つの単語ごとに感情別の重みを付与した辞書を構築し,推定に利用するものが多かった.そこで我々は,推定できる感情の種類を容易に増やすことができ,また感情別の重みの付与を単語N-gramで行うことで文が指す内容に対する話し手の判断や心的態度を表すモダリティなどの感情表現も利用する,従来手法よりも高い精度で推定可能な感情推定手法の提案を目指している.このような推定手法を実現するため,我々は2つの文が表現している感情がどれほど類似しているかを計算する感情類似度計算手法を過去に提案した.感情類似度は,あらかじめ用意した,文を感情別に分類した複数のコーパス(感情コーパス)を用い,機械翻訳システムの翻訳精度を求める尺度であるBLEUか基に,入力文と感情別に分類された文との類似度を計算することで求める.本稿で我々は,従来のBLEUを用いる感情推定よりも高い精度で推定を行うために,感情コーパス別に単語N-gramの出現頻度を求めた辞書を従来手法に導入した新たな手法を提案する.提案手法の性能を調べるため,入力文から感情類似度を求め,最も感情類似度が高ぐなった感情と,人手で判断した入力文の感情の一致率を求める実験を行った.その結果,従来のBLEUによる類似度計算を用いた手法に比べ,提案手法では20.59%一致率が向上した.

用例に基づく機械翻訳の一つであるSuper-Function(SF)に基づく機械翻訳は,名詞を変数化することで用例の適用範囲を広げられるという特長を持つが,名詞以外の表現を含む日付・時間表現では,日付・時間表現全体をひとつの名詞として抽出することができず,その数字部分しか変数化できないという問題があった.この問題を解決するため,本稿では,日付・時間表現を抽出する手法を提案する.SFに基づく機械翻訳では名詞を抽出するために名詞判定規則を用いている.また抽出した各名詞の言語間の対応を得るために単語辞書を用いている.本手法ではまず名詞判定規則に日付・時間表現を抽出する規則を追加し日付・時間表現を抽出した.次に抽出した日付・時間表現を日英に共通な形に変換することで日付・時間表現の対応を得た.作成した規則を用いて評価実験を行ったところ日本文で適合率96.7%,再現率98.2%,英文で適合率94.7%,再現率92.7%を得られた.

Search computing has been widely used in the field of natural language processing. In recent years, the QA System has been successfully applied to a number of applications, but the limited amounts and the incertitude of answer weremuch in evidence. The wealth of information on the web makes it an attractive and simple resource for seeking quick information. Recently being quite successful in providing keyword based access to web pages, commercial search portals still lack the ability to answer questions expressed in a natural language of Chinese. In this paper we propose a new method based on the Google WEB API for the QA System in restricted domains. The experiment showed that this method can get the more accurate result.

本論文では，分散音声認識（DSR: Distributed Speech Recognition）における入力系の周波数特性の差異による認識性能劣化を抑制する周波数特性正規化手法として，複数参照ケプストラムを用いた実時間周波数特性正規化手法を提案する．提案手法は，複数の参照ケプストラムを使用し，周波数特性の正規化を行うバイアスをフレーム同期で計算し，実時間で入力系の周波数特性を正規化する手法である．一般に，DSR で用いられるクライアントではメモリ量，計算量の制限があるため，提案手法ではこれらの増加量を低減させるため，参照ケプストラムをDSR フロントエンドの特徴パラメータ圧縮部で使用されるVQ コードブックの組合せで表現した．ETSI Advanced DSR フロントエンドを用いた日本音響学会新聞記事読み上げ音声コーパスの音声認識実験より，提案手法は，ETSI Advanced DSR フロントエンドにおけるBlind Equalization と比較し，周波数特性の差異による音声認識精度劣化の抑制に有効であることを確認した．特に，提案手法はMIRS フィルタ条件下でETSI Advanced DSR フロントエンド（Blind Equalization）の単語誤り率を10.8%削減することが可能であった．In this paper, we propose a real-time blind equalization method with multiple references for ETSI standard Distributed Speech Recognition (DSR) front-end. The proposed method compensates for acoustic mismatch caused by input devices. In ETSI advanced DSR frontend, the blind equalization method is introduced to compensate for acoustic mismatch. This method estimates the bias, which compensates for the mismatch, using one reference vector. If the input speech is short or contains many similar phonemes, there is concern that this method might not estimate the accurate bias. On the other hand, the proposed method estimates the bias, which is calculated on frame by frame, using multiple references instead of one reference. Using multiple references, the proposed method estimates the bias more accurately. In addition, we represent the references by combining the VQ centroids used in the data compression process of ETSI standard DSR front-end. This limits increases in memory size and computation costs on the front-end. Experimental results on a Japanese newspaper dictation task indicate that the proposed method gave better performance under acoustic mismatched conditions than the conventional blind equalization method. Especially, we observed a 10.8% improvement in the error rate under the MIRS filter condition.

本論文では,音声インタフェース装置の利用で問題となる環境雑音の特徴分析を行うために構築した,実環境雑音データベース(ATR実環境雑音DB: ATRANS)に関して述べる。本DBでは,音声インタフェース装置の利用が予想される広範囲の雑音環境で長時間の連続収録をしている。また,雑音の対数エネルギーの分散,歪度,尖度,エントロピーといった統計的特徴量と雑音モデルの長時間分析から,雑音の発生頻度,発生状況の変化により,時間的に変動する雑音種別があることを示す。雑音モデル分析では,雑音種別ごとに分布の表現に必要な混合分布数と雑音モデルの学習に必要な雑音データ長を示す。その結果,雑音の特徴分析には数十分単位の長時間のデータが必要であることを示す。

近年の情報処理技術の発達に伴い, 従来の情報処理の分野ではほとんど取り扱われなかった人間の感性をコンピュータで処理しようとする試みが盛んになってきた. 擬人化エージェントや感性ロボットが人のように振舞うためには, 人間が表出する感情を認識し, 自ら感情を表出することが必要である. 我々は, 感性ロボットに応用するための感情認識技術について研究している. 自然言語会話文からの感情推定を行う試みは, 多くの場合, 表面的な感情表現のみに絞つて行われてきた. しかし, 人間の発話時には常に何らかの感情が含まれていると考えられる. そこで, 本稿では, 感情語と感情生起事象文型パターンに基づいた感情推定手法を提案し, 実験システムを構築する. そして, 本手法の有効性を調べるため, シナリオ文を対象にその評価実験を行った.

本論文では,パワーやスペクトル形状の変化の大きい風雑音を高精度で推定する手法を提案する.提案手法は,複数の参照用風雑音スペクトル包絡を用いフレームごとに風雑音のスペクトル包絡を推定するとともに,当該フレームから得られる観測信号の微細構造を用い風雑音スペクトルを推定し雑音除去を行う.提案手法の評価を行うため,扇風機により発生させた風雑音を用いたシミュレーション実験を実施した.客観評価実験としてセグメンタルSNR (SNRseg)による評価を行った結果,提案手法はスペクトルサブトラクション(SS)法よりも大幅なSNRSegの改善を達成した.また,CMOSによる主観評価実験を行った結果,客観評価と同様にSS法と比較して大幅な改善を達成し,提案手法の有効性が示された.また実験に用いたデータを調べた結果,提案手法を用いれば,推定スペクトルと実際の雑音スペクトル間のミスマッチを低減することができ,ミュージカルノイズと呼ばれる人工的な雑音の抑制にも有効であることが分かった.