黒岩 眞吾

内線電話への接続をタスクとする音声対話システムを作成した.同システムは200人規模の組識の電話受付業務を行うもので,電話で所属と名前を言うだけで相手の内線に電話をつなぐシステムである.不特定話者の連続音声認識を実時間で行うために専用のハードウェアを開発した.ハードウェアは浮動小数点DSP9個を疎結合マルチプロセッサ方式で結合し,パイプライン処理により,エコーキャンセル,音響分析,HMMのゆう度計算および単語レベル,文法レベルでのビタビ演算を並列に実行する,並列化にあたっては,最も処理の重くなったプロセッサにプロセッサ間のデータ転送に伴う待ち時間が生じないようなパイプラインスケジューリングを行っている.また,タスクサイズが大きくなッた場合でも音響分析は一定の周期で行えるよう同期処理,非同期処理を混在させた構成とした.電話回線経由で収集した400名の発声による音素バランス4,000文を用いて学習した音素モデルを用い実環境で評価したところ,91%の呼に対して正しい相手の内線番号が案内でき,それに要した平均所要時間は41秒であり,多くのユーザによる利用が期待できる性能であることが確認された.

We describe a new real-time isolated word recognizer with improved user interface. The recognizer is designed for an Extension Number Guidance System which looks up and announces an extension number by telephone dialogue with users. To deal with telephone quality speech input which include noise and distortion during transmission over the telephone network, we developed feature extraction and a word detection algorithm. These techniques use wide band-pass filter outputs which are generally employed to decide whether speech is voiced or unvoiced. To achieve a friendly interface, the system can accept user input at any time by using an echo canceler and the new word detection algorithm. Finally, the recognizer is evaluated using a large telephone voice database consisting of more than 500 speakers.

本稿では電話網経由での不特定多数の利用可能な内線電話受付システムシステムによる10ケ月間にわたり収集された約400対話(10000発声)のデータを、(1)人間と対話の特微、(2)利用が進むにつれユーザにどのような変化が現れるか、を中心に解析を行った結果について報告する。同システムにより収集されたデータを解析したところ、人間同士の対話に比べ語彙や冗長語の発生が少なく、また出現種類も異なることがわかった。また、システムの利用が進もにつれて、冗長語や未知語の出現率が減少する一方、システムガイダンス中の割り込み発生の率が高くなっていくことがわかった。

内線電話への接続をタスクとする音声対話システムを作成した.同システムは200人規模の組識の電話受付業務を行うもので,電話で所属と名前を言うだけで相手の内線に電話をつなぐシステムである.不特定話者の連続音声認識を実時間で行うために専用のハードウェアを開発した.ハードウェアは浮動小数点DSP9個を疎結合マルチプロセッサ方式で結合し,パイプライン処理により,エコーキャンセル,音響分析,HMMのゆう度計算および単語レベル,文法レベルでのビタビ演算を並列に実行する,並列化にあたっては,最も処理の重くなったプロセッサにプロセッサ間のデータ転送に伴う待ち時間が生じないようなパイプラインスケジューリングを行っている.また,タスクサイズが大きくなッた場合でも音響分析は一定の周期で行えるよう同期処理,非同期処理を混在させた構成とした.電話回線経由で収集した400名の発声による音素バランス4,000文を用いて学習した音素モデルを用い実環境で評価したところ,91%の呼に対して正しい相手の内線番号が案内でき,それに要した平均所要時間は41秒であり,多くのユーザによる利用が期待できる性能であることが確認された.

人間対機械の対話の研究を進めていくうえで、実際のシススムで自然な対話データを収集することは必要不可欠である。システムを用いて多数の対話データを収集するためには、そのシステムが多くのユーザに利用されなくてはならない。このためには、(1)良いタスクを選択する、(2)実時間動作する、(2)一定の認識精度を満たは等の条件が必要となってくる。これらの条件を満足するシステムとして、「内線電話受付システム」を作成した。これは電話で所属と名前を言うだけで相手に接続してくれるシステムであり、ユーザの日常的な利用が期待できる。また、実時間で一定の認識精度を得るためにDSPを用いた専用の連続音声認識ハードウエアを作成した。本稿ではこの「内線電話受付システム」を利用した電話対話収集システムについて報告する。

電話網経由で不特定多数が利用可能な内線電話受付システムをKDD研究所に設置し1年間のフィールドテストを行った.これにより、5000以上の人間と機械の対話が収集された.本稿では、同システムのフィールドでの音声認識における問題点を明らかにする.さらに、それらの問題点を解決するための手法と、収集データを用いた認識実験による評価結果について報告する.

一般に文法書に書かれている構文解析規則を文脈自由形解析規則としてインプリメントし、文章を解析した場合、多数のあいまいな構文解析木が生成されてしまう。これは、人手によって作成される文法が、注目している中心的な現象のみを説明し、その文法を含む全現象を説明していないことに起因すると考えられる。筆者らは、文法書の例文は、このあいまい性を減少させるための一つの指針として掲載されているとの考えに基づき、例文とその正しい構文解析木をもとに文法の精密化を続けてきた。本報告ではこれら例文と正しい構文解析木から、計算機が文法規則の精密化のためのデータを自動生成する手法について提案する。具体的には、本報告で用いるパーザのフィルタリングデータである禁止パターンを学習する。パーザーは拡張LINGOLにフィルタリング機構等の改良を加えた機械翻訳システムKATEの解析処理部を用いた。

筆者らは、知識ベース技術および自然言語処理技術の一つの応用として、テキスト文書の知的検索システムの検討を行なっている。具体的には、知的検索インターフェイス技術をテキストデータのキーワード検索システムへの適用することを目標とする。通常のキーワード検索システムでは柔軟な検索を行なわせるためシソーラスが利用されることが多いが、検索システムで利用するシソーラスは必ずしも一般的な分類体系に基づくシソーラスは必要であるとは限らない。つまり、キーワード検索用という目的に特化したコンパクトなシソーラスが構築できれば、検索者の検索意図に合う柔軟な検索システムを効率的に開発できる。そこで本稿では、この実験システム開発の手掛かりとするための基礎データの収集実験を行なったので報告する。

本稿は、基本的に無限集合である記憶対象を有限の記憶機構で記憶する過程を扱う。提示する記憶機構は、(1)確率的な忘却機構を持つスタックであり、記憶及び消去といったメモリオペレーションをプログラム制御外に位置づけることにより、無限集合から有為な情報を記憶するといった場合に有効である。(2)この記憶機構(Chronologically Ordered pseudo-Stack Memory Organization)と人間の記憶機構に関する従来の心理学上の実験データとの親和性は、非常に良い。(3)最後にプロダクションシステムのメモリとして使用した場合の従来システムとの相違点を示す。

異言語間の情報伝達を支援する手段として、機械翻訳システムの活用が考えられるが、人間同士のコミュニケーションを観察すると、単純に文を置き換えただけでは意思の伝達として不適切であることが多い。その一因は異文化間で意図の表現形式が異なることによるものである。たとえば、ビジネスレターなどの通信文では、同じ内容の意図を表現する場合でも、言語によって相当な違いを示すことがある。そこで、このようなコミュニケーションギャップを埋めるだめ、ユーザの意図を正しく抽出し、それを相手言語の表現として生成するようなシステムを考案することは意義がある。以下では、機械翻訳システムとは異なる枠組みで、その実現を図る方法について考察する。

我々は、文単位の英日翻訳を行う研究ベースの機械翻訳システムKATEを開発した。このシステムを実際に翻訳支援システムとして用いる場合に必要となるツールを検討すると共に、ネットワーク上で電子メールを利用し機械翻訳サービス(英文メールを日本語に翻訳して返送する)を行う場合の機能の分散化について検討を行った。機械翻訳システムKATEでは入力する英文に対し、(l)入力される文の文区切り情報と、(2)英文の大文字小文字情報を翻訳時の情報として用いている。このため、ユーザーは前処理として、文区切り情報を付加すると共に、大文字のみで書かれている英文を大文字小文字を用いた文に変換する、といったプリエディット作業を行う必要がある。これに対し本システムでは、粗訳でもよいから手間をかけずに結果が欲しいというユーザーを対象に、この二つの処理の自動化を試みた。一方で、機械翻訳を利用する手法として、ネットワーク上の電子メール機能の利用を検討した。この場合、翻訳する文章に依存している機能は、ローカルに持たせる必要があるとの観点から、上記プリエディット機能およびユーザ辞書、未知語検索機能をローカルマシン上に置く手法を試みた。

「例文」と「例文の正しい統語解析木」から共起関係を蓄積し、解析への応用を試みている。今回、2つの手法で共起関係の蓄積・利用を行った。一つは、句の中心を成す語（ガバナ）に注目するもので、書換え規則の兄弟節点のガバナに共起関係があると仮定し、このガバナの並びを蓄積する。もう1つの方法は共起関係を人手によって書換え規則に記述する手法で、使用したい共起関係やその引数を自由に定義できる。どちらも正しい統語構造と解析結果を比較することで、出現した共起関係を正の事例・負の事例に分類する。そして、負の事例のみの蓄積例を解析のあい昧性解消に利用できる。蓄積例の増加に伴う解析性能の変化を両手法において測定した。蓄積した共起関係の利用により不適当な木の抑止や正しい木の選択に効果が見られた。This manuscript describes two methods which acquire lexical co-occurrences information and utilize it. These methods obtain co-occurrence relations from each example sentence and the corresponding right syntactic structure of the sentence. First of the two methods treats the governors appearing on sister nodes of the syntactic structure as a co-occurrence. On the other method, co-occurrence relationships are described manually in the rewrinting-rules. Both methods discriminate between the proper appearances of co-occurrence and wrong ones, using the right syntactic structure affixed to the sentence treated. The experiment is conducted for these methods, to observe the performances of the analysis using the stored co-occurrences data.

機械翻訳システム等の自然言語処理システムでは処理の高度化に伴い、文法および実世界知識のデータを効率良く蓄積することが重要になる。我々は、現在こうした種々のデータ(知識)の内、状況に依存しないような語句の共起関係のデータを学習によって蓄積する手法を検討中である。 本稿では共起関係学習システム構築の基礎資料となるデータを蓄積するため、句を支配する語(ガバナ)の重要性に注目し、以下の実験を行ったので報告する。[A]易しい英文約3,300文の実際の構文解析結果から、使用された書き換え規則の下位カテゴリに出現したガバナの並びを約18,000事例収集した。[B]解析対象となる文とその正しい統語構造の組のデータを用いることで前述のガバナ列を(1)正しい局面でのみ現れた列(2)正しい局面と誤った局面で現れた列(3)誤った局面でのみ現れた列に自動分類した。[C]誤った局面でのみ現れるガバナ列を構文解析時のフィルタリングのデータとして用いた場合の構文解析性能と実行速度を幾つかの例で実験してみた。