JP2002149188A

JP2002149188A - 自然言語処理装置および自然言語処理方法、並びに記録媒体

Info

Publication number: JP2002149188A
Application number: JP2000347491A
Authority: JP
Inventors: Koji Asano; 康治浅野; Hiroaki Ogawa; 浩明小川; Katsuki Minamino; 活樹南野; Lucke Helmut; ルッケヘルムート
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2000-11-15
Filing date: 2000-11-15
Publication date: 2002-05-24

Abstract

(57)【要約】【課題】カテゴリが定義されていないカテゴリ未定単
語のカテゴリを精度良く推定し、単語辞書に新たに登録
された単語を含む発話であっても、適切な言語的評価を
行って、精度の高い音声認識を行う。【解決手段】カテゴリ推定部９は、マッチング部４が
出力する音声認識結果に、辞書データベース６の単語辞
書に登録されたカテゴリ未定単語が含まれるか否かを判
定し、含まれる場合には、文法データベース７の文法規
則に定義されている複数のカテゴリの中から、カテゴリ
未定単語のカテゴリを、そのカテゴリ未定単語を含む音
声認識結果の言語的な尤度を表す言語スコアに基づいて
推定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、自然言語処理装置
および自然言語処理方法、並びに記録媒体に関し、特
に、例えば、辞書に新たな単語が登録されても、精度の
高い音声認識を行うことができるようにする自然言語処
理装置および自然言語処理方法、並びに記録媒体に関す
る。

【０００２】

【従来の技術】図１は、従来の音声認識装置の一例の構
成を示している。

【０００３】ユーザが発した音声は、マイク（マイクロ
フォン）１に入力され、マイク１では、その入力音声
が、電気信号としての音声信号に変換される。この音声
信号は、ＡＤ(Analog Digital)変換部２に供給される。
ＡＤ変換部２では、マイク１からのアナログ信号である
音声信号がサンプリング、量子化され、ディジタル信号
である音声データに変換される。この音声データは、特
徴抽出部３に供給される。

【０００４】特徴抽出部３は、ＡＤ変換部２からの音声
データについて、適当なフレームごとに音響処理を施
し、これにより、例えば、ＭＦＣＣ(Mel Frequency Cep
strumCoefficient)等の特徴量を抽出し、マッチング部
４に供給する。なお、特徴抽出部３では、その他、例え
ば、スペクトルや、線形予測係数、ケプストラム係数、
線スペクトル対等の特徴量を抽出することが可能であ
る。

【０００５】マッチング部４は、特徴抽出部３からの特
徴量を用いて、音響モデルデータベース５、辞書データ
ベース６、および文法データベース７を必要に応じて参
照しながら、マイク１に入力された音声（入力音声）
を、例えば、連続分布ＨＭＭ法等に基づいて音声認識す
る。

【０００６】即ち、音響モデルデータベース５は、音声
認識する音声の言語における個々の音素や音節などの音
響的な特徴を表す音響モデルを記憶している。ここで
は、連続分布ＨＭＭ法に基づいて音声認識を行うので、
音響モデルとしては、例えば、ＨＭＭ(Hidden Markov M
odel)が用いられる。辞書データベース６は、認識対象
の各単語（語彙）について、その発音に関する情報（音
韻情報）が記述された単語辞書を記憶している。文法デ
ータベース７は、辞書データベース６の単語辞書に登録
されている各単語が、どのように連鎖する（つながる）
か等を記述した文法規則（言語モデル）を記憶してい
る。ここで、文法規則としては、例えば、文脈自由文法
（ＣＦＧ）や、統計的な単語連鎖確率（Ｎ−ｇｒａｍ）
などに基づく規則を用いることができる。

【０００７】マッチング部４は、辞書データベース６の
単語辞書を参照することにより、音響モデルデータベー
ス５に記憶されている音響モデルを接続し、単語の音響
モデル（単語モデル）を構成する。さらに、マッチング
部４は、幾つかの単語モデルを、文法データベース７に
記憶された文法規則を参照することにより接続し、その
ようにして接続された単語モデルを用いて、特徴量に基
づき、連続分布ＨＭＭ法によって、マイク１に入力され
た音声を認識する。即ち、マッチング部４は、特徴抽出
部３が出力する時系列の特徴量が観測されるスコア（尤
度）が最も高い単語モデルの系列を検出し、その単語モ
デルの系列に対応する単語列を、音声の認識結果として
出力する。

【０００８】つまり、マッチング部４は、接続された単
語モデルに対応する単語列について、特徴抽出部３から
の特徴量の系列の出現確率を累積し、その累積値をスコ
アとして、そのスコアを最も高くする単語列を、音声認
識結果として出力する。

【０００９】スコア計算は、一般に、音響モデルデータ
ベース５に記憶された音響モデルによって与えられる音
響的なスコア（以下、適宜、音響スコアという）と、文
法データベース７に記憶された文法規則によって与えら
れる言語的なスコア（以下、適宜、言語スコアという）
とを総合評価することで行われる。

【００１０】即ち、音響スコアは、例えば、ＨＭＭ法に
よる場合には、単語モデルを構成する音響モデルから、
特徴抽出部３が出力する特徴量の系列が観測される確率
（出現する確率）に基づいて、単語ごとに計算される。
また、言語スコアは、例えば、バイグラムによる場合に
は、注目している単語と、その単語の直前の単語とが連
鎖（連接）する確率に基づいて求められる。そして、各
単語についての音響スコアと言語スコアとを総合評価し
て得られる最終的なスコア（以下、適宜、最終スコアと
いう）に基づいて、音声認識結果が確定される。

【００１１】具体的には、あるＮ個の単語からなる単語
列におけるｋ番目の単語をｗ_kとして、その単語ｗ_kの音
響スコアをＡ（ｗ_k）と、言語スコアをＬ（ｗ_k）と、そ
れぞれ表すとき、その単語列の最終スコアＳは、例え
ば、次式にしたがって計算される。

【００１２】Ｓ＝Σ（Ａ（ｗ_k）＋Ｃ_k×Ｌ（ｗ_k））・・・（１）但し、Σは、ｋを１からＮに変えてのサメーションをと
ることを表す。また、Ｃ _kは、単語ｗ_kの言語スコアＬ
（ｗ_k）にかける重みを表す。

【００１３】マッチング部４では、例えば、式（１）に
示す最終スコアを最も大きくするＮと、単語列ｗ₁，
ｗ₂，・・・，ｗ_Nを求めるマッチング処理が行われ、そ
の単語列ｗ₁，ｗ₂，・・・，ｗ_Nが、音声認識結果とし
て出力される。

【００１４】以上のような処理が行われることにより、
図１の音声認識装置では、例えば、ユーザが、「私は東
京に行く」と発話した場合には、「私」、「は」、「東
京」、「に」、「行く」といった各単語に、音響スコア
および言語スコアが与えられ、それらを総合評価して得
られる最終スコアが最も大きいときに、単語列「私」、
「は」、「東京」、「に」、「行く」が、音声認識結果
として出力される。

【００１５】図２は、図１の辞書データベース６に記憶
された単語辞書の例を示している。

【００１６】同図に示すように、単語辞書には、単語の
表記と、その単語の音韻情報との組み合わせが登録され
ており、マッチング部４は、上述したように、単語辞書
の音韻情報にしたがって、音響モデルを接続することに
より、単語モデルを構成する。

【００１７】図３は、図１の文法データベース７に記憶
された文法規則の例を示している。

【００１８】即ち、図３は、単語辞書に、図２に示した
ような単語が登録されている場合の文法規則を示してお
り、図３（Ａ）は、ユニグラムに基づく文法規則を、図
３（Ｂ）は、バイグラムに基づく文法規則を、それぞれ
示している。

【００１９】図３（Ａ）のユニグラムに基づく文法規則
においては、単語辞書に登録されている単語それぞれに
対して、その単語の統計的な出現確率が、言語スコアと
して与えられている。また、図３（Ｂ）のバイグラムに
基づく文法規則においては、単語辞書に登録されている
単語のうちの任意の２つの単語からなる単語列に対し
て、その２つの単語が連鎖する統計的な確率が、言語ス
コアとして与えられている。

【００２０】なお、図３においては（後述する図５およ
び図７においても同様）、言語スコアは、確率そのもの
ではなく、確率の対数をとった値で与えられている。こ
れは、単語列全体のスコアを、各単語のスコアの積では
なく、和によって計算することができるようにするため
である。

【００２１】ところで、図２に示した単語辞書には、
「私」、「は」、「佐藤」、「東京」、「です」、
「に」、「行く」の７単語が登録されているが、これら
の７単語を用いて構成しうる７単語の並びは、７⁷通り
存在する。従って、単純には、マッチング部４では、こ
の７⁷通りの単語列を評価し、その中から、ユーザの発
話に最も適合するもの（最終スコアを最も大きくするも
の）を決定しなければならない。そして、単語辞書に登
録する単語数が増えれば、その単語数分の単語の並びの
数は、単語数の単語数乗通りになるから、評価の対象と
しなければならない単語列は、膨大な数となる。

【００２２】さらに、一般には、発話中に含まれる単語
の数は未知であるから、７単語の並びからなる単語列だ
けでなく、１単語、２単語、・・・からなる単語列も、
評価の対象とする必要がある。従って、評価すべき単語
列の数は、さらに膨大なものとなるから、そのような膨
大な単語列の中から、音声認識結果として最も確からし
いものを、計算量および使用するメモリ容量の観点から
効率的に決定することは、非常に重要な問題である。

【００２３】そこで、マッチング部４は、一般には、例
えば、音響スコアを求める過程において、その途中で得
られる音響スコアが所定の閾値以下となった場合に、そ
のスコア計算を打ち切るという音響的な枝刈りや、言語
スコアに基づいて、スコア計算の対象とする単語を絞り
込む言語的な枝刈りを行いながら、音声認識結果となり
得る単語列の候補（以下、適宜、単語仮説という）得る
ようにすることで、計算量およびメモリ容量の効率化を
図るようになっている。

【００２４】そして、マッチング部４は、以上のような
枝刈りによって残った単語仮説の中から、最終スコアが
最も大きいものを、音声認識結果として出力する。

【００２５】図４は、マッチング部４が枝刈りをしなが
ら作成する単語仮説を、グラフ構造を用いて示してい
る。

【００２６】図４において、単語仮説としてのグラフ構
造は、単語を表すアーク（図４において、○印どうしを
結ぶ線分で示す部分）と、単語どうしの境界を表すノー
ド（図４において○印で示す部分）とから構成されてい
る。

【００２７】ノードは、時刻情報を有しており、この時
刻情報は、そのノードに対応する特徴量の抽出時刻を表
す。ここで、特徴量の抽出時刻とは、音声認識対象の音
声の音声区間の開始時刻を、例えば０とする、特徴抽出
部３が出力する特徴量が得られた時刻を表し、従って、
図４において、音声区間の開始、即ち、最初の単語の先
頭に対応するノードnode₁が有する時刻情報は０とな
る。ノードは、アークの始端および終端となるが、始端
のノード（始端ノード）、または終端のノード（終端ノ
ード）が有する時刻情報は、それぞれ、そのアークに対
応する単語の発話の開始時刻、または終了時刻となる。

【００２８】なお、図４では、左から右方向が、時間の
経過を表しており、従って、あるアークの左右にあるノ
ードのうち、左側のノードが始端ノードとなり、右側の
ノードが終端ノードとなる。

【００２９】アークは、そのアークに対応する単語の音
響スコアおよび言語スコアを有しており、このアーク
が、終端ノードとなっているノードを始端ノードとし
て、順次接続されていくことにより、音声認識結果の候
補となる単語の系列（単語仮説）が構成されていく。

【００３０】即ち、マッチング部４においては、まず最
初に、音声区間の開始を表すノードnode₁に対して、音
声認識結果として確からしい単語に対応するアークが接
続される。図４では、「私」に対応するアークarc₁が、
ノードnode₁に接続されている。なお、音声認識結果と
して確からしい単語かどうかは、マッチング部４におい
て求められる音響スコアおよび言語スコアに基づいて決
定される。

【００３１】そして、以下、同様にして、「私」に対応
するアークarc₁の終端である終端ノードnode₂に対し
て、同様に、確からしい単語に対応するアークが接続さ
れていく。

【００３２】以上のようにしてアークが接続されていく
ことで、音声区間の開始を始点として、左から右方向
に、アークとノードで構成される１以上のパスが構成さ
れて行くが、例えば、そのパスのすべてが、音声区間の
最後（図４では、時刻Ｔ）に到達すると、制御部１１に
おいて、音声区間の開始から最後までに形成された各パ
スについて、そのパスを構成するアークが有している音
響スコアおよび言語スコアが累積され、最終スコアが求
められる。そして、例えば、その最終スコアが最も高い
パスを構成するアークに対応する単語列が、音声認識結
果として確定されて出力される。

【００３３】即ち、図４においては（後述する図１１に
おいても同様）、単語の音響スコアｘと言語スコアｙ
を、その単語に対応するアークの部分に、A=ｘとL=yの
形で、それぞれ示してあり、また、ノードnode₁から
「私」に対応するアークarc₁、ノードnode₂、「は」に
対応するアークarc₂、ノードnode₃、「東京」に対応す
るアークarc₃、ノードnode₄、「に」に対応するアークa
rc₄、ノードnode₅、「行く」に対応するアークarc₅、お
よびノードnode₆で構成される第１のパスと、ノードnod
e₁から「私」に対応するアークarc₁、ノードnode₂、
「は」に対応するアークarc₂、ノードnode₃、「佐藤」
に対応するアークarc₆、ノードnode₇、「です」に対応
するアークarc₇、およびノードnode₈で構成される第２
のパスの２つが得られている。

【００３４】この場合、第１と第２のパスそれぞれにつ
いて、式（１）における重みＣ_kを、例えば１として計
算される最終スコアは、次のようになる。

【００３５】即ち、この場合、最終スコアは、パスを構
成するアークに対応する各単語の音響スコアと言語スコ
アとの合計になるから、図４において、第１のパスにつ
いての最終スコアは、-15(=(-1-1)+(-1.5-1)+(-1.5-3)+
(-2-1)+(-1.5-1.5))となり、第２のパスについての最終
スコアは-21(=(-1-1)+(-1.5-1)+(-4-3)+(-2-1)+(-4.5-
2))となる。

【００３６】従って、図４の単語仮説においては、第１
のパスについての最終スコアが最も大きいから、第１の
パスに対応する単語列「私」、「は」、「東京」、
「に」、「行く」が、音声認識結果として確定される。

【００３７】なお、図４に示した単語仮説としてのパス
を構成していく過程において、音声区間の先頭のノード
から、音声区間の最後にまで到達していないノードまで
の間に構成されたパスについて、そのスコア（例えば、
音響スコア、言語スコア、または両者の和）から、音声
認識結果として不適当であることが判定された場合に
は、そのパスについては、その時点で、パスの構成が打
ち切られる（その後に、アークが接続されない）が、こ
れが、上述の枝刈りである。

【００３８】また、図４においては、文法規則として、
例えば、バイグラムを用いることとして、図３（Ｂ）に
示したバイグラムから得られる言語スコアを示してあ
る。

【００３９】即ち、例えば、図４におけるアークark₃に
対応する単語「東京」に注目した場合、その直前の単語
は、「は」であり、図３（Ｂ）のバイグラムを参照する
と、単語「は」と「東京」が（その順で）連鎖する場合
の言語スコアは、-3となっており、この-3が、アークar
k₃に対し、言語スコアとして与えられている。

【００４０】ここで、図４における音声区間の先頭のア
ークarc₁に対応する単語「私」については、その直前の
単語が存在しないため、この場合には、例えば、図３
（Ａ）に示したユニグラムによって言語スコアが与えら
れる。図３（Ａ）において、単語「私」には、-1の言語
スコアが与えられており、図４の単語「私」に対応する
アークarc₁には、この-1が言語スコアとして与えられて
いる。

【００４１】

【発明が解決しようとする課題】ところで、ユーザが発
話する単語は、例えば、音声認識装置の用途やユーザご
とに異なることが多く、また、辞書データベース６の記
憶容量には限りがあり、さらに、マッチング部４の処理
速度を維持する必要もあること等から、辞書データベー
ス６の単語辞書には、例えば、一般的に使用頻度の高い
単語等の一定数の単語を登録しておき、その後、ユーザ
の要求等に応じて、単語辞書に登録されていない単語で
ある未知語を、単語辞書に登録することが行われる場合
がある。

【００４２】単語辞書に、未知語を登録する場合、ユー
ザには、例えば、その未知語の表記と音韻情報を与えて
もらえば良いので、単語辞書への未知語の登録について
は、それほど大きな問題は生じない。

【００４３】しかしながら、単語辞書に未知語を登録す
る場合、その未知語、即ち、単語辞書に新たに登録され
た単語（以下、適宜、新登録単語という）に対する文法
規則をどうするかが問題となる。

【００４４】即ち、文法規則として、上述したようなユ
ニグラムやバイグラムを採用する場合、このユニグラム
やバイグラムは、単語の出現確率や、単語どうしの連鎖
確率を、大量のデータを用いて、事前に学習を行うこと
により求められるものであるから、音声認識装置では、
新登録単語については、その出現確率や他の単語との連
鎖確率を認識することができない。

【００４５】そこで、新登録単語が属する専用のカテゴ
リ<UNKNOWN>を用意し、例えば、図５に示すように、そ
のカテゴリ<UNKNOWN>を用いて、ユニグラムやバイグラ
ムに基づく文法規則を記述しておく方法がある。

【００４６】即ち、図５（Ａ）は、カテゴリ<UNKNOWN>
を用いた、ユニグラムに基づく文法規則を表しており、
カテゴリ<UNKNOWN>に属する単語の出現確率から得られ
る言語スコアとして、-7が与えられている。

【００４７】また、図５（Ｂ）は、カテゴリ<UNKNOWN>
を用いた、バイグラムに基づく文法規則を表しており、
単語「は」とカテゴリ<UNKNOWN>に属する単語の連鎖確
率から得られる言語スコアとして、-5が与えられてい
る。また、図５（Ｂ）では、カテゴリ<UNKNOWN>に属す
る単語と単語「です」の連鎖確率から得られる言語スコ
アとして、-7が与えられており、カテゴリ<UNKNOWN>に
属する単語と単語「に」の連鎖確率から得られる言語ス
コアとして、-7.5が与えられている。

【００４８】なお、図５（Ａ）と図５（Ｂ）の文法規則
は、図３（Ａ）と図３（Ｂ）の文法規則に、カテゴリ<U
NKNOWN>に属する単語に関する文法規則を加えたものと
なっている。

【００４９】例えば、いま、図２の単語辞書に登録され
ていない未知語である「鈴木」が、単語辞書に新たに登
録され、即ち、「鈴木」の表記と音韻情報が単語辞書に
登録され、単語「私」、「は」、「鈴木」、「です」か
らなる発話「私は鈴木です」がされたとすると、新登録
単語「鈴木」の音響スコアは、その音韻情報にしたがっ
て、音響モデルデータベース５に記憶された音響モデル
を接続し、新登録単語「鈴木」に対応する単語モデルを
構成することによって計算されることになる。

【００５０】また、単語「鈴木」についての言語スコア
は、単語「鈴木」が新登録単語であるから、図５に示し
た文法規則における新登録単語のカテゴリ<UNKNOWN>に
属する単語に与えられている言語スコアによって計算さ
れる。

【００５１】即ち、いまの場合、単語「は」と新登録単
語「鈴木」との連鎖に対する言語スコアとしては、図５
（Ｂ）のバイグラムによって、単語「は」と新登録単語
のカテゴリ<UNKNOWN>に属する単語に与えられている-5
が用いられ、また、新登録単語「鈴木」と単語「です」
との連鎖に対する言語スコアとしては、図５（Ｂ）のバ
イグラムによって、新登録単語のカテゴリ<UNKNOWN>に
属する単語と単語「です」に与えられている-7が用いら
れる。

【００５２】従って、上述の方法によれば、新登録単語
については、すべて、カテゴリ<UNKNOWN>に属する単語
に与えられている言語スコアが用いられることになるた
め、新登録単語を含む発話について、適切な言語スコア
を得ることができないことがあった。

【００５３】即ち、例えば、いま、上述の単語「鈴木」
の他に、単語「ニューヨーク」も新登録単語として、単
語辞書に登録され、音声認識装置のマッチング部４にお
いて、「私は鈴木です」と「私はニューヨークです」の
２つの単語仮説が得られたとする。この場合、２つの単
語仮説それぞれを構成する単語のうち、新登録単語「鈴
木」と「ニューヨーク」を除く単語「私」、「は」、お
よび「です」は、同一であり、さらに、順番（並び）も
一致している。そして、言語スコアの計算にあたって
は、新登録単語「鈴木」と「ニューヨーク」は、いずれ
も、新登録単語のカテゴリ<UNKNOWN>に属する単語とし
て、同一に扱われる。

【００５４】従って、２つの単語仮説「私は鈴木です」
と「私はニューヨークです」に対しては、同一の言語ス
コアが与えられることになる。

【００５５】しかしながら、上述の２つの単語仮説のう
ち、「私は鈴木です」は意味的に問題ないが、「私はニ
ューヨークです」は意味的におかしく、意味的に問題な
い「私は鈴木です」と、意味的に問題がある「私はニュ
ーヨークです」に対して、同一の言語スコアが与えられ
るのは、言語的な評価がまったくされていないことにな
り、その結果、音声認識精度が劣化することになる。特
に、新登録単語が音響的に類似している場合には、音声
認識精度の劣化が著しくなると予想される。

【００５６】そこで、新登録単語について、１つの専用
のカテゴリだけでなく、複数のカテゴリを用意してお
き、その複数のカテゴリを用いて、ユニグラムやバイグ
ラムに基づく文法規則を記述しておく方法が考えられ
る。

【００５７】即ち、例えば、<地名>や<人名>といったカ
テゴリを複数用意しておき、新登録単語については、単
語辞書への登録時に、その新登録単語が、複数のカテゴ
リのうちのいずれに属するのかを、ユーザに指定しても
らう方法が考えられる。

【００５８】この場合、上述の新登録単語「鈴木」と
「ニューヨーク」が、それぞれ、カテゴリ<人名>と<地
名>に属することが指定されれば、新登録単語につい
て、適切な言語的な評価が行われ、音声認識精度の劣化
を防止することができることになる。

【００５９】しかしながら、この場合、ユーザは、新登
録単語が、複数用意されているカテゴリのうちのいずれ
に属するかを判断しなければならず、その判断を誤る
と、正確な言語的評価が行われないこととなり、音声認
識精度の劣化を招くことになる。

【００６０】即ち、新登録単語が、上述したような<地
名>や<人名>などを表すものである場合には、新登録単
語が属するカテゴリの判断も比較的容易であるが、新登
録単語が、例えば、抽象的な概念を表す場合には、その
新登録単語がいずれのカテゴリに属するかをユーザが判
断するのは、非常に困難である。

【００６１】また、カテゴリを細分化し、多数のカテゴ
リを用意しておけば、新登録単語について、より精密な
言語的評価が可能となるが、カテゴリが多数存在する場
合には、その多数のカテゴリの中から、新登録単語が属
するカテゴリをユーザが判断するのは、さらに困難であ
り、また、ユーザに大きな負担をかけることになる。

【００６２】本発明は、このような状況に鑑みてなされ
たものであり、新登録単語のカテゴリを推定し、これに
より、新登録単語を含む発話であっても、適切な言語的
評価を行って、精度の高い音声認識を行うことができる
ようにするものである。

【００６３】

【課題を解決するための手段】本発明の自然言語処理装
置は、辞書に登録された、そのカテゴリが未定の語彙で
あるカテゴリ未定語彙が、音声認識結果に含まれるか否
かを判定する判定手段と、文法規則に定義されている複
数のカテゴリの中から、カテゴリ未定語彙のカテゴリ
を、そのカテゴリ未定語彙を含む音声認識結果に基づい
て推定する推定手段とを備えることを特徴とする。

【００６４】本発明の自然言語処理方法は、辞書に登録
された、そのカテゴリが未定の語彙であるカテゴリ未定
語彙が、音声認識結果に含まれるか否かを判定する判定
ステップと、文法規則に定義されている複数のカテゴリ
の中から、カテゴリ未定語彙のカテゴリを、そのカテゴ
リ未定語彙を含む音声認識結果に基づいて推定する推定
ステップとを備えることを特徴とする。

【００６５】本発明の記録媒体は、辞書に登録された、
そのカテゴリが未定の語彙であるカテゴリ未定語彙が、
音声認識結果に含まれるか否かを判定する判定ステップ
と、文法規則に定義されている複数のカテゴリの中か
ら、カテゴリ未定語彙のカテゴリを、そのカテゴリ未定
語彙を含む音声認識結果に基づいて推定する推定ステッ
プとを備えるプログラムが記録されていることを特徴と
する。

【００６６】本発明の自然言語処理装置および自然言語
処理方法、並びに記録媒体においては、辞書に登録され
た、そのカテゴリが未定の語彙であるカテゴリ未定語彙
が、音声認識結果に含まれるか否かが判定され、文法規
則に定義されている複数のカテゴリの中から、カテゴリ
未定語彙のカテゴリが、そのカテゴリ未定語彙を含む音
声認識結果に基づいて推定される。

【００６７】

【発明の実施の形態】図６は、本発明を適用した音声認
識装置の一実施の形態の構成例を示している。なお、図
中、図１における場合と対応する部分については、同一
の符号を付してあり、以下では、その説明は、適宜省略
する。即ち、図６の音声認識装置は、未知語登録部８お
よびカテゴリ推定部９が新たに設けられている他は、図
１における場合と、基本的に同様に構成されている。

【００６８】未知語登録部８は、例えば、キーボード等
の操作部を有し、ユーザが未知語を、辞書データベース
６の単語辞書に対して、新登録単語として登録するとき
に操作される。即ち、未知語登録部８は、ユーザによっ
て、未知語の表記と音韻情報が入力されると、その表記
と音韻情報を、辞書データベース６の単語辞書に登録す
る。

【００６９】カテゴリ推定部９は、辞書データベース６
の単語辞書に新たに登録された単語である新登録単語で
あって、そのカテゴリが未定のもの（以下、適宜、カテ
ゴリ未定単語という）が、マッチング部４が出力する音
声認識結果に含まれるかどうかを判定し、含まれる場合
には、そのカテゴリ未定単語のカテゴリを、そのカテゴ
リ未定単語を含む音声認識結果に基づいて推定する。

【００７０】即ち、カテゴリ推定部９は、マッチング部
４が出力する最も尤度の高い音声認識結果を構成する単
語について、文法データベース７の文法規則に基づいて
得られる言語スコアに基づき、マッチング部４からの音
声認識結果に含まれるカテゴリ未定単語のカテゴリを推
定する。

【００７１】具体的には、カテゴリ推定部９は、文法規
則に定義されている複数のカテゴリのうち、マッチング
部４の音声認識結果の言語スコアを最大にするものを、
その音声認識結果に含まれるカテゴリ未定単語のカテゴ
リとして推定する。

【００７２】従って、図６の実施の形態では、文法デー
タベース７に登録されている文法規則には、複数のカテ
ゴリが定義されており、文法規則は、その複数のカテゴ
リを用いて記述されている。

【００７３】即ち、図７は、図６の文法データベース７
に登録されている文法規則の例を示している。

【００７４】図７の文法規則は、前述した図３の文法規
則に対して、カテゴリが不明なことを表すカテゴリ<UNK
NOWN>、場所を表すカテゴリ<Place>、および人名を表す
カテゴリ<Name>の３つのカテゴリに関する文法規則を加
えたものとなっている。

【００７５】即ち、図７（Ａ）は、辞書データベース６
の単語辞書に、前述の図２に示したような単語が登録さ
れている場合のユニグラムに基づく文法規則を示してお
り、図３（Ａ）のユニグラムに基づく文法規則に対し
て、カテゴリ<UNKNOWN>，<Place>，<Name>それぞれに属
する単語に関する文法規則を加えたものとなっている。

【００７６】また、図７（Ｂ）は、辞書データベース６
の単語辞書に、前述の図２に示したような単語が登録さ
れている場合のバイグラムに基づく文法規則を示してお
り、図３（Ｂ）のバイグラムに基づく文法規則に対し
て、カテゴリ<UNKNOWN>，<Place>，<Name>それぞれに属
する単語に関する文法規則を加えたものとなっている。

【００７７】以上のように、図６の文法データベース７
の文法規則は、複数のカテゴリ（ここでは、カテゴリ<U
NKNOWN>，<Place>，<Name>）を用いて記述されている。

【００７８】図６に戻り、カテゴリ推定部９は、マッチ
ング部４が出力する音声認識結果に、カテゴリ未定単語
が含まれている場合、そのカテゴリ未定単語のカテゴリ
が、文法規則に定義されている複数のカテゴリのいずれ
かであると仮定して、その仮定したカテゴリについて、
音声認識結果の言語スコアを計算する。さらに、カテゴ
リ推定部９は、文法規則に定義されている複数のカテゴ
リのうちの他のカテゴリについても、同様に、音声認識
結果の言語スコアを計算し、その言語スコアを最大にす
るカテゴリを、音声認識結果に含まれるカテゴリ未定単
語のカテゴリとして推定する。

【００７９】そして、カテゴリ推定部９は、その推定し
たカテゴリを、辞書データベース６に供給し、単語辞書
のカテゴリ未定単語に対応付ける。

【００８０】なお、カテゴリ推定部９は、スコアメモリ
９Ａを内蔵しており、スコアメモリ９は、上述したよう
に、カテゴリ推定部９が、カテゴリ未定単語のカテゴリ
を仮定して計算する音声認識結果の言語スコアを、必要
に応じて、一時記憶する。

【００８１】以上のように構成される図６の音声認識装
置においては、辞書データベース６の単語辞書に登録さ
れていない未知語を、ユーザが、新登録単語として登録
することができるようになっている。

【００８２】そこで、図８のフローチャートを参照し
て、図６の音声認識装置において、単語辞書に新登録単
語を登録する登録処理について説明する。

【００８３】ユーザが、未知語登録部８を操作して、単
語の表記と音韻情報を入力すると、登録処理が開始さ
れ、登録処理では、まず最初に、ステップＳ１におい
て、未知語登録部８が、辞書データベース６の単語辞書
を参照することにより、ユーザが入力した単語（以下、
適宜、入力単語という）が、単語辞書に登録されていな
いかどうか、即ち、未知語であるかどうかを判定する。
ステップＳ１において、入力単語が、未知語でないと判
定された場合、即ち、入力単語が、単語辞書に、既に、
登録されている場合、その入力単語を重複して単語辞書
に登録する必要はないため、ステップＳ２およびＳ３を
スキップして、登録処理を終了する。

【００８４】また、ステップＳ１において、入力単語
が、未知語であると判定された場合、ステップＳ２に進
み、未知語登録部８は、単語辞書に、入力単語の表記と
音韻情報を、新登録単語の表記と音韻情報として登録す
る。さらに、未知語登録部８は、新登録単語としての入
力単語に、デフォルトのカテゴリとして、例えば、カテ
ゴリ<UNKNOWN>を対応付け、これも単語辞書に登録す
る。そして、ステップＳ３に進み、未知語登録部８は、
ステップＳ２で単語辞書に登録した新登録単語に、その
カテゴリがまだ推定されていないことを表すカテゴリ未
定フラグを付加し、登録処理を終了する。

【００８５】次に、図９のフローチャートを参照して、
図６の音声認識装置による音声認識処理について説明す
る。

【００８６】ユーザが発話を行うと、ステップＳ１１に
おいて、そのユーザの音声は、マイク１、ＡＤ変換部
２、特徴抽出部３、およびマッチング部４で音声認識さ
れる。

【００８７】即ち、ユーザの音声は、マイク１、ＡＤ変
換部２、および特徴抽出部３で、前述したように処理さ
れ、その処理によって得られる特徴量が、所定のフレー
ムごとに、マッチング部４に供給される。

【００８８】マッチング部４は、特徴抽出部３からの特
徴量を用いて、音響モデルデータベース５、辞書データ
ベース６、および文法データベース７を必要に応じて参
照しながら、ユーザの音声を、連続分布ＨＭＭ法等に基
づいてマッチング処理する。

【００８９】即ち、マッチング部４は、辞書データベー
ス６の単語辞書を参照することにより、音響モデルデー
タベース５に記憶されている音響モデルを接続すること
で、単語の音響モデル（単語モデル）を構成する。さら
に、マッチング部４は、幾つかの単語モデルを、文法デ
ータベース７に記憶された文法規則を参照することによ
り、言語スコアを計算しながら接続し、そのようにして
接続された単語モデルを用いて、特徴量に基づき、連続
分布ＨＭＭ法によって、音響スコアを計算する。マッチ
ング部４は、以上のようにして言語スコアおよび音響ス
コアを計算しながら、図４で説明したような、音声認識
結果の候補となる単語仮説を構成していき、例えば、言
語スコアと単語スコアから、式（１）にしたがって計算
される最終スコアの最大値を与える単語仮説を、音声認
識結果として確定する。

【００９０】マッチング部４は、音声認識結果を確定す
ると、ステップＳ１２に進み、その音声認識結果を出力
する。

【００９１】そして、カテゴリ推定部９は、マッチング
部４が出力する音声認識結果を受信し、ステップＳ１３
において、その音声認識結果に、カテゴリ未定単語が含
まれるかどうかを判定する。即ち、カテゴリ推定部９
は、音声認識結果を構成する各単語を、辞書データベー
ス６の単語辞書から検索し、その単語にカテゴリ未定フ
ラグが付加されているかどうかを検出することによっ
て、音声認識結果に、カテゴリ未定単語が含まれるかど
うかを判定する。

【００９２】ステップＳ１３において、音声認識結果
に、カテゴリ未定単語が含まれると判定された場合、ス
テップＳ１４に進み、カテゴリ推定部９は、後述するカ
テゴリ推定処理を行うことにより、音声認識結果に含ま
れるカテゴリ未定単語のカテゴリを推定し、ステップＳ
１５に進む。

【００９３】また、ステップＳ１３において、音声認識
結果に、カテゴリ未定単語が含まれないと判定された場
合、ステップＳ１４をスキップして、ステップＳ１５に
進み、音声認識処理を終了するかどうかが判定される。

【００９４】ステップ１５において、音声認識処理を終
了しないと判定された場合、即ち、例えば、ユーザが、
次の発話を行った場合、ステップＳ１１に戻り、その発
話について、以下、同様の処理が繰り返される。

【００９５】また、ステップＳ１５において、音声認識
処理を終了すると判定された場合、即ち、例えば、ユー
ザが、次の発話を行わなかった場合、処理を終了する。

【００９６】次に、図１０のフローチャートを参照し
て、図９のステップＳ１４におけるカテゴリ推定処理に
ついて説明する。

【００９７】まず最初に、ステップＳ２１において、カ
テゴリ推定部９は、文法データベース７の文法規則に定
義されているカテゴリのうち、デフォルトのカテゴリ<U
NKNOWN>を除くすべてのカテゴリを認識する。従って、
文法規則が、図７に示したものである場合には、ステッ
プＳ２１において、カテゴリ<Place>と<Name>が認識さ
れる。

【００９８】その後、ステップＳ２２に進み、カテゴリ
推定部９は、音声認識結果に含まれるカテゴリ未定単語
を認識し、ステップＳ２３に進む。

【００９９】ステップＳ２３では、カテゴリ推定部９
は、その内蔵するスコアメモリ９Ａを初期化する。即
ち、本実施の形態では、カテゴリ未定単語のカテゴリ
は、上述したように、デフォルトで、<UNKNOWN>に設定
されるが、ステップＳ２３では、カテゴリ推定部９は、
例えば、音声認識結果に含まれるカテゴリ未定単語のカ
テゴリを、このデフォルトのカテゴリ<UNKNOWN>とし
て、音声認識結果の言語スコア（例えば、音声認識結果
を構成する各単語の言語スコアの総和）を計算し、この
言語スコアと、その言語スコアが得られたときのカテゴ
リ未定単語に設定されていたカテゴリ<UNKNOWN>を、ス
コアメモリ９に記憶させることによって、その初期化を
行う。

【０１００】なお、この場合、スコアメモリ９Ａに記憶
される音声認識結果の言語スコアは、その音声認識結果
について、マッチング部４で計算された言語スコアと一
致することになる。

【０１０１】ステップＳ２３でスコアメモリ９Ａが初期
化されると、ステップＳ２４に進み、カテゴリ推定部９
は、音声認識結果に含まれるカテゴリ未定単語に、ステ
ップＳ２１で認識した、文法規則に定義されている複数
のカテゴリのうちのいずれかを割り当てる。なお、音声
認識結果に、複数のカテゴリ未定単語が含まれる場合に
は、その複数のカテゴリ未定単語それぞれに対して、独
立に、文法規則に定義されている複数のカテゴリのうち
のいずれかが割り当てられる。

【０１０２】そして、カテゴリ推定部９は、ステップＳ
２５において、直前のステップＳ２４で各カテゴリ未定
単語に割り当てたカテゴリが、そのカテゴリ未定単語の
カテゴリであると仮定して、文法データベース７の文法
規則を参照することにより、音声認識結果の言語スコア
を計算し、ステップＳ２６に進む。

【０１０３】ステップＳ２６では、カテゴリ推定部９
は、直前のステップＳ２５で求めた言語スコアと、スコ
アメモリ９Ａに記憶されている言語スコアとを比較し、
直前のステップＳ２５で求めた言語スコアが、スコアメ
モリ９Ａに記憶されている言語スコアよりも大であるか
どうかを判定する。

【０１０４】ステップＳ２６において、直前のステップ
Ｓ２５で求めた言語スコアが、スコアメモリ９Ａに記憶
されている言語スコアよりも大でないと判定された場
合、即ち、直前のステップＳ２４でカテゴリ未定単語に
割り当てたカテゴリによって得られる音声認識結果の言
語的な確からしさよりも、スコアメモリ９Ａに記憶され
た言語スコアが得られたときにカテゴリ未定単語に割り
当てられたカテゴリによって得られる音声認識結果の言
語的な確からしさの方が大の場合、ステップＳ２７およ
びＳ２８をスキップして、ステップＳ２９に進む。

【０１０５】ステップＳ２９では、カテゴリ推定部９
は、音声認識結果に含まれるカテゴリ未定単語に対し
て、文法規則に定義されている複数のカテゴリのすべて
を割り当てて、ステップＳ２５における言語スコアの計
算を行ったかどうかを判定する。なお、音声認識結果
に、複数のカテゴリ未定単語が含まれる場合には、ステ
ップＳ２９では、その複数のカテゴリ未定単語に対し
て、文法規則に定義されている複数のカテゴリを割り当
て得るすべてのパターンの割り当てを行ったかどうかが
判定される。

【０１０６】ステップＳ２９において、音声認識結果に
含まれるカテゴリ未定単語に対し、文法規則に定義され
ている複数のカテゴリのすべてを、まだ割り当てていな
いと判定された場合、ステップＳ２４に戻り、音声認識
結果に含まれるカテゴリ未定単語に対して、まだ割り当
てられていないカテゴリのうちの１つが割り当てられ、
以下、同様の処理が繰り返される。

【０１０７】一方、ステップＳ２６において、直前のス
テップＳ２５で求めた言語スコアが、スコアメモリ９Ａ
に記憶されている言語スコアよりも大であると判定され
た場合、即ち、直前のステップＳ２４でカテゴリ未定単
語に割り当てたカテゴリによって得られる音声認識結果
の言語的な確からしさの方が、スコアメモリ９Ａに記憶
された言語スコアが得られたときにカテゴリ未定単語に
割り当てられたカテゴリによって得られる音声認識結果
の言語的な確からしさよりも大の場合、ステップＳ２７
に進み、直前のステップＳ２４でカテゴリ未定単語に割
り当てられたカテゴリが、スコアメモリ９Ａに、上書き
する形で記憶される。なお、音声認識結果に、複数のカ
テゴリ未定単語が含まれる場合には、上述したように、
その複数のカテゴリ未定単語それぞれに、カテゴリが割
り当てられるが、この場合、ステップＳ２７では、その
複数のカテゴリ未定単語それぞれに割り当てられている
カテゴリが、スコアメモリ９Ａに記憶される。

【０１０８】その後、ステップＳ２８に進み、直前のス
テップＳ２４でカテゴリ未定単語に割り当てたカテゴリ
によって得られる音声認識結果の言語スコア、即ち、直
前のステップＳ２５で計算された言語スコアが、スコア
メモリ９Ａに、上書きする形で記憶され、ステップＳ２
９に進む。

【０１０９】そして、ステップＳ２９において、音声認
識結果に含まれるカテゴリ未定単語に対して、文法規則
に定義されている複数のカテゴリのすべてを割り当てた
と判定されると、ステップＳ３０に進み、カテゴリ推定
部９は、その内蔵するスコアメモリ９Ａに記憶されてい
るカテゴリを、音声認識結果に含まれるカテゴリ未定単
語のカテゴリと推定し、その推定したカテゴリによっ
て、辞書データベース６の単語辞書に登録されている、
カテゴリ未定単語のカテゴリ（いまの場合、<UNKNOWN
>）を書き換える。

【０１１０】従って、この場合、音声認識結果に含まれ
るカテゴリ未定単語のカテゴリは、文法規則に定義され
ている複数のカテゴリのうち、その音声認識結果の言語
スコアを最大にするものであると推定されるので、カテ
ゴリ未定単語のカテゴリを、精度良く推定することがで
きる。

【０１１１】ステップＳ３０において、単語辞書のカテ
ゴリ未定単語のカテゴリが書き換えられた後は、ステッ
プＳ３１に進み、カテゴリ推定部９は、そのカテゴリを
書き換えた単語（カテゴリ未定単語であった単語）のカ
テゴリ未定フラグを削除し、カテゴリ推定処理を終了す
る。

【０１１２】次に、図１１を参照して、カテゴリ推定部
９による、図１０のフローチャートにしたがったカテゴ
リ推定処理について、さらに説明する。

【０１１３】いま、例えば、図２に示した単語辞書に登
録されていない「鈴木」が、図８の登録処理によって、
単語辞書に、新登録単語として登録されたとする。さら
に、ユーザにより音声「私は鈴木です」が発話され、マ
ッチング部４において、最終スコアを最大にする音声認
識結果として、単語列「私」、「は」、「鈴木」、「で
す」が得られたとする。

【０１１４】そして、この音声認識結果としての単語列
を構成する単語「私」、「は」、「鈴木」、「です」そ
れぞれについて、図７に示した文法規則によって言語ス
コアが与えられるとすると、図１１（Ａ）に示したよう
な言語スコアが与えられる。

【０１１５】即ち、単語「私」に対しては、図７（Ａ）
のユニグラムに基づく文法規則によって、言語スコア
「-1」が与えられる。また、単語「は」に対しては、そ
の直前の単語「私」との連鎖が考慮され、図７（Ｂ）の
バイグラムに基づく文法規則によって、言語スコア「-
1」が与えられる。

【０１１６】そして、単語「鈴木」に対しては、その直
前の単語「は」との連鎖が考慮され、言語スコアが与え
られる。

【０１１７】即ち、いまの場合、単語「鈴木」は、カテ
ゴリ未定単語であり、従って、単語「鈴木」には、デフ
ォルトのカテゴリ<UNKNOWN>が割り当てられている。従
って、単語「鈴木」には、図７（Ｂ）のバイグラムに基
づく文法規則を参照することにより、単語「は」とカテ
ゴリ<UNKNOWN>に属する単語との連鎖に対して与えられ
ている言語スコア「-5」が与えられる。

【０１１８】さらに、単語「です」には、その直前の、
カテゴリ<UNKNOWN>が割り当てられている単語「鈴木」
との連鎖が考慮され、図７（Ｂ）のバイグラムに基づく
文法規則を参照することにより、カテゴリ<UNKNOWN>に
属する単語と単語「です」との連鎖に対して与えられて
いる言語スコア「-7」が与えられる。

【０１１９】従って、単語「鈴木」に、デフォルトのカ
テゴリ<UNKNOWN>が割り当てられている場合には、音声
認識結果の言語スコアとして、-14(=-1-1-5-7)が得られ
る。その結果、図１０のステップＳ２３におけるスコア
メモリ９Ａの初期化では、カテゴリ<UNKNOWN>と、その
カテゴリをカテゴリ未定単語に割り当てた場合の音声認
識結果の言語スコア「-14」が、スコアメモリ９Ａに登
録される。

【０１２０】図７の文法規則に定義されているカテゴリ
としては、<UNKNOWN>を除けば、<Place>と<Name>の２つ
があるから、図１０のステップＳ２４では、その２つの
カテゴリのうちの、例えば、カテゴリ<Name>が、カテゴ
リ未定単語「鈴木」に割り当てられる。

【０１２１】その結果、音声認識結果としての単語列を
構成する単語「私」、「は」、「鈴木」、「です」それ
ぞれには、図１１（Ｂ）に示したような言語スコアが与
えられる。

【０１２２】即ち、単語「私」と「は」については、図
１１（Ａ）における場合と同一の言語スコア（「-1」と
「-1」）が与えられる。

【０１２３】そして、単語「鈴木」については、いまの
場合、そのカテゴリとして<Name>が割り当てられている
から、図７（Ｂ）のバイグラムに基づく文法規則を参照
することにより、単語「は」とカテゴリ<Name>に属する
単語との連鎖に対して与えられている言語スコア「-4」
が与えられる。

【０１２４】さらに、単語「です」には、その直前の、
カテゴリ<Name>が割り当てられている単語「鈴木」との
連鎖が考慮され、図７（Ｂ）のバイグラムに基づく文法
規則を参照することにより、カテゴリ<Name>に属する単
語と単語「です」との連鎖に対して与えられている言語
スコア「-2」が与えられる。

【０１２５】従って、単語「鈴木」に、カテゴリ<Name>
が割り当てられている場合には、音声認識結果の言語ス
コアとして、-8(=-1-1-4-2)が得られる。この言語スコ
ア「-8」は、いま、スコアメモリ９Ａに記憶されてい
る、カテゴリ<UNKNOWN>について得られた音声認識結果
の言語スコア「-14」より大きいから、スコアメモリ９
Ａの記憶内容は、カテゴリ<Name>と、そのカテゴリ<Nam
e>について得られた音声認識結果の言語スコア「-8」に
書き換えられる。

【０１２６】そして、図７の文法規則に定義されている
残りのカテゴリ<Place>が、カテゴリ未定単語「鈴木」
に割り当てられ、上述の場合と同様に、音声認識結果の
言語スコアが計算される。

【０１２７】この場合、音声認識結果としての単語列を
構成する単語「私」、「は」、「鈴木」、「です」それ
ぞれには、図１１（Ｃ）に示したような言語スコアが与
えられる。

【０１２８】即ち、単語「私」と「は」については、図
１１（Ａ）における場合と同一の言語スコア（「-1」と
「-1」）が与えられる。

【０１２９】そして、単語「鈴木」については、いまの
場合、そのカテゴリとして<Place>が割り当てられてい
るから、図７（Ｂ）のバイグラムに基づく文法規則を参
照することにより、単語「は」とカテゴリ<Place>に属
する単語との連鎖に対して与えられている言語スコア
「-4」が与えられる。

【０１３０】さらに、単語「です」には、その直前の、
カテゴリ<Place>が割り当てられている単語「鈴木」と
の連鎖が考慮され、図７（Ｂ）のバイグラムに基づく文
法規則を参照することにより、カテゴリ<Place>に属す
る単語と単語「です」との連鎖に対して与えられている
言語スコア「-9」が与えられる。

【０１３１】従って、単語「鈴木」に、カテゴリ<Place
>が割り当てられている場合には、音声認識結果の言語
スコアとして、-15(=-1-1-4-9)が得られる。この言語ス
コア「-15」は、いま、スコアメモリ９Ａに記憶されて
いる、カテゴリ<Name>について得られた音声認識結果の
言語スコア「-8」より大きくないから、スコアメモリ９
Ａの記憶内容は書き換えられない。

【０１３２】そして、以上により、文法規則に定義され
たカテゴリすべてに関して、音声認識結果の言語スコア
の計算を終了したから、その後に、スコアメモリ９Ａに
記憶されている、人名を表すカテゴリ<Name>が、カテゴ
リ未定単語「鈴木」のカテゴリの推定結果として確定さ
れることになる。

【０１３３】なお、上述の場合には、カテゴリ未定単語
のカテゴリの推定は一度だけしか行われないが、カテゴ
リ推定部９においては、過去にカテゴリを推定したカテ
ゴリ未定単語について、そのカテゴリを再度推定するよ
うにすることが可能である。

【０１３４】即ち、既にカテゴリを推定したカテゴリ未
定単語を含む音声認識結果が新たに得られた場合には、
カテゴリ推定部９において、その新たな音声認識結果に
基づいて、その新たな音声認識結果に含まれるカテゴリ
未定単語（性格には、カテゴリ未定単語であった単語）
のカテゴリを再度推定することが可能である。

【０１３５】さらに、この場合、カテゴリ推定部９にお
いて、カテゴリ未定単語について、過去にカテゴリを推
定したときに用いた音声認識結果（そのカテゴリ未定単
語を含む音声認識結果）を記憶しておき、そのカテゴリ
未定単語を含む新たな音声認識結果が得られた場合に
は、その新たな音声認識結果の他、記憶しておいた過去
の音声認識結果についても、図１０のステップＳ２５に
おいて言語スコアを計算し、その言語スコアを最も高く
するカテゴリを、カテゴリ未定単語のカテゴリの推定結
果とすることが可能である。この場合、カテゴリ未定単
語のカテゴリを、より精度良く推定することが可能とな
る。

【０１３６】また、上述のように、カテゴリ未定単語の
カテゴリを、過去の音声認識結果と新たな音声認識結果
等の複数の音声認識結果に基づいて推定する場合には、
その複数の音声認識結果それぞれから推定されるカテゴ
リ、つまり、複数のカテゴリを、カテゴリ未定単語のカ
テゴリとすることが可能である。

【０１３７】即ち、例えば、いま、単語「千葉」が、カ
テゴリ未定単語であるとした場合、この単語「千葉」
は、人名（名字）として発話される可能性と、地名（県
名）として発話される可能性がある。具体的には、例え
ば、「私は千葉です」と発話された場合の「千葉」は、
人名であり、「私は千葉に行く」と発話された場合の
「千葉」は、地名である。従って、単語「千葉」のカテ
ゴリについて、人名と地名のいずれか一方に固定して、
言語スコアを計算するよりは、「私は千葉です」と発話
された場合の言語スコアは、単語「千葉」を、人名のカ
テゴリに属するものとして計算する方が、適切な言語的
評価を得ることができ、また、「私は千葉に行く」と発
話された場合の言語スコアは、単語「千葉」を、地名の
カテゴリに属するものとして計算する方が、適切な言語
的評価を得ることができると考えられる。以上から、カ
テゴリ未定単語が、複数のカテゴリをとり得ることを許
可することにより、ユーザの発話について、適切な言語
的評価が可能となり、その結果、音声認識精度をより向
上させることができる。

【０１３８】また、カテゴリ未定単語が、複数のカテゴ
リに属することを許可する場合には、カテゴリ推定部９
において、そのカテゴリ未定単語が、複数のカテゴリそ
れぞれに属する確率（以下、カテゴリ確率という）を求
めておき、マッチング部４には、カテゴリ未定単語の言
語スコアを、文法規則だけでなく、カテゴリ確率をも用
いて計算させるようにすることが可能である。

【０１３９】ここで、例えば、上述の単語「千葉」につ
いて言えば、地名のカテゴリに属する場合と、人名のカ
テゴリに属する場合とがあるが、それぞれのカテゴリに
属するカテゴリ確率は、例えば、単語「千葉」が地名の
カテゴリに属するとした場合に言語スコアが最大になる
音声認識結果が得られた回数と、単語「千葉」が人名の
カテゴリに属するとした場合に言語スコアが最大になる
音声認識結果が得られた回数とに基づいて求めることが
可能である。

【０１４０】即ち、単語「千葉」が地名のカテゴリに属
するとした場合に言語スコアが最大になる音声認識結果
が得られた回数をａと、単語「千葉」が人名のカテゴリ
に属するとした場合に言語スコアが最大になる音声認識
結果が得られた回数をｂと、それぞれした場合に、地名
のカテゴリに属するカテゴリ確率Ｐａは、例えば、式ａ
／（ａ＋ｂ）により、人名のカテゴリに属するカテゴリ
確率Ｐｂは、例えば、式ｂ／（ａ＋ｂ）により、それぞ
れ求めることが可能である。

【０１４１】また、この場合、単語「千葉」が地名のカ
テゴリに属するとした場合の、その言語スコアをＬａ
と、単語「千葉」が人名のカテゴリに属するとした場合
の、その言語スコアをＬｂと、それぞれした場合に、マ
ッチング部４においては、単語「千葉」についての言語
スコアを、例えば、式Ｐａ×Ｌａ＋Ｐｂ×Ｌｂによって
計算するようにすることが可能である。

【０１４２】さらに、図６の音声認識装置には、同図に
おいて点線で示すように、マッチング部４が出力する音
声認識結果を修正するときにユーザによって操作される
修正部１０を設けることが可能である。

【０１４３】この場合、図６の音声認識装置において
は、図１２のフローチャートにしたがった音声認識処理
が行われる。

【０１４４】即ち、この場合、ステップＳ４１とＳ４２
で、図９のステップＳ１１とＳ１２における場合と同様
の処理が行われる。

【０１４５】そして、ステップＳ４２において、マッチ
ング部４から音声認識結果が出力された後は、ステップ
Ｓ４３に進み、カテゴリ推定部９は、ユーザが、修正部
１０を操作することにより、音声認識結果の修正を行っ
たかどうかを判定する。

【０１４６】ステップＳ４３において、ユーザが、音声
認識結果の修正を行っていないと判定された場合、ステ
ップＳ４７に進み、以下、ステップＳ４７乃至Ｓ４９に
おいて、図９のステップＳ１３乃至Ｓ１５における場合
とそれぞれ同様の処理が行われる。

【０１４７】また、ステップＳ４３において、ユーザ
が、音声認識結果の修正を行ったと判定された場合、ス
テップＳ４４に進み、カテゴリ推定部９は、ユーザが修
正した音声認識結果に、単語辞書に登録されていない未
知語が含まれるかどうかを判定する。

【０１４８】ステップＳ４４において、ユーザが修正し
た音声認識結果に、未知語が含まれると判定された場
合、即ち、ユーザにより修正された単語が未知語である
場合、ステップＳ４５に進み、カテゴリ推定部９は、単
語辞書に、その未知語を登録し、さらに、その未知語
に、デフォルトのカテゴリ<UNKNOWN>を対応付けて、ス
テップＳ４６に進む。ステップＳ４６では、カテゴリ推
定部９は、ステップＳ４５で単語辞書に登録した未知
語、つまり、新登録単語に、カテゴリ未定フラグを付加
し、ステップＳ４７に進む。

【０１４９】一方、ステップＳ４４において、ユーザが
修正した音声認識結果に、未知語が含まれないと判定さ
れた場合、ステップＳ４５およびＳ４６をスキップし
て、ステップＳ４７に進み、以下、上述した場合と同様
の処理が行われる。

【０１５０】図１２の音声認識処理によれば、ユーザが
修正した音声認識結果に基づいて、カテゴリの推定が行
われるので、単語のカテゴリを、より精度良く推定する
ことが可能となる。

【０１５１】なお、上述の場合には、ユーザによる修正
部１０の操作に基づいて、音声認識結果を修正するよう
にしたが、音声認識結果の修正は、その他、ユーザに、
その修正結果となる発話を行ってもらい、その発話に基
づいて行うようにすることも可能である。

【０１５２】次に、上述した一連の処理は、ハードウェ
アにより行うこともできるし、ソフトウェアにより行う
こともできる。一連の処理をソフトウェアによって行う
場合には、そのソフトウェアを構成するプログラムが、
汎用のコンピュータ等にインストールされる。

【０１５３】そこで、図１３は、上述した一連の処理を
実行するプログラムがインストールされるコンピュータ
の一実施の形態の構成例を示している。

【０１５４】プログラムは、コンピュータに内蔵されて
いる記録媒体としてのハードディスク１０５やＲＯＭ１
０３に予め記録しておくことができる。

【０１５５】あるいはまた、プログラムは、フロッピー
（登録商標）ディスク、CD-ROM(Compact Disc Read Onl
y Memory)，MO(Magneto optical)ディスク，DVD(Digita
l Versatile Disc)、磁気ディスク、半導体メモリなど
のリムーバブル記録媒体１１１に、一時的あるいは永続
的に格納（記録）しておくことができる。このようなリ
ムーバブル記録媒体１１１は、いわゆるパッケージソフ
トウエアとして提供することができる。

【０１５６】なお、プログラムは、上述したようなリム
ーバブル記録媒体１１１からコンピュータにインストー
ルする他、ダウンロードサイトから、ディジタル衛星放
送用の人工衛星を介して、コンピュータに無線で転送し
たり、LAN(Local Area Network)、インターネットとい
ったネットワークを介して、コンピュータに有線で転送
し、コンピュータでは、そのようにして転送されてくる
プログラムを、通信部１０８で受信し、内蔵するハード
ディスク１０５にインストールすることができる。

【０１５７】コンピュータは、CPU(Central Processing
Unit)１０２を内蔵している。CPU１０２には、バス１
０１を介して、入出力インタフェース１１０が接続され
ており、CPU１０２は、入出力インタフェース１１０を
介して、ユーザによって、キーボードや、マウス、マイ
ク等で構成される入力部１０７が操作等されることによ
り指令が入力されると、それにしたがって、ROM(Read O
nly Memory)１０３に格納されているプログラムを実行
する。あるいは、また、CPU１０２は、ハードディスク
１０５に格納されているプログラム、衛星若しくはネッ
トワークから転送され、通信部１０８で受信されてハー
ドディスク１０５にインストールされたプログラム、ま
たはドライブ１０９に装着されたリムーバブル記録媒体
１１１から読み出されてハードディスク１０５にインス
トールされたプログラムを、RAM(Random Access Memor
y)１０４にロードして実行する。これにより、CPU１０
２は、上述したフローチャートにしたがった処理、ある
いは上述したブロック図の構成により行われる処理を行
う。そして、CPU１０２は、その処理結果を、必要に応
じて、例えば、入出力インタフェース１１０を介して、
LCD(Liquid CryStal Display)やスピーカ等で構成され
る出力部１０６から出力、あるいは、通信部１０８から
送信、さらには、ハードディスク１０５に記録等させ
る。

【０１５８】ここで、本明細書において、コンピュータ
に各種の処理を行わせるためのプログラムを記述する処
理ステップは、必ずしもフローチャートとして記載され
た順序に沿って時系列に処理する必要はなく、並列的あ
るいは個別に実行される処理（例えば、並列処理あるい
はオブジェクトによる処理）も含むものである。

【０１５９】また、プログラムは、１のコンピュータに
より処理されるものであっても良いし、複数のコンピュ
ータによって分散処理されるものであっても良い。さら
に、プログラムは、遠方のコンピュータに転送されて実
行されるものであっても良い。

【０１６０】なお、文法規則には、カテゴリを階層化し
て定義しておくことが可能である。

【０１６１】また、本実施の形態では、単語のカテゴリ
として、意味的なカテゴリ（単語が地名を表すものであ
るとか、人名を表すものであるとか等）を用いたが、単
語のカテゴリとしては、その他、例えば、品詞、さらに
は、ある尺度によって単語の分類が可能なカテゴリを採
用することが可能である。

【０１６２】さらに、本実施の形態では、ユーザに、未
知語登録部８を操作してもらうことによって、未知語
を、単語辞書に登録するようにしたが、未知語は、その
他、例えば、音声認識処理中に検出し、単語辞書に登録
するようにすることが可能である。

【０１６３】また、本実施の形態では、文法規則とし
て、ユニグラムやバイグラムを用いるようにしたが、文
法規則としては、その他、３つの単語の連鎖についての
トライグラムや、４以上の単語の連鎖についての文法規
則を用いることが可能である。そして、より長い連鎖に
ついての文法規則を用いる方が、カテゴリの推定精度を
高くすることができる。

【０１６４】さらに、本実施の形態では、ヒューリステ
ィック(heuristic)な文法規則である単語連鎖確率（Ｎ
−ｇｒａｍ）に基づく文法規則を用いるようにしたが、
文法規則としては、その他、例えば、学習用のデータか
ら、所定の尺度に基づいて、単語のカテゴリ分けを行う
方法で作成される文法規則等を採用することも可能であ
る。

【０１６５】なお、上述した音声認識装置は、例えば、
音声によってデータベースの検索を行う場合や、各種の
機器の操作を行う場合、各機器へのデータ入力を行う場
合、音声対話システム等に適用可能である。より具体的
には、例えば、音声による地名の問合せに対して、対応
する地図情報を表示するデータベース検索装置や、音声
による命令に対して、荷物の仕分けを行う産業用ロボッ
ト、キーボードの代わりに音声入力によりテキスト作成
を行うディクテーションシステム、ユーザとの会話を行
うロボットにおける対話システム等に適用可能である。

【０１６６】

【発明の効果】本発明の自然言語処理装置および自然言
語処理方法、並びに記録媒体によれば、辞書に登録され
た、そのカテゴリが未定の語彙であるカテゴリ未定語彙
が、音声認識結果に含まれるか否かが判定され、文法規
則に定義されている複数のカテゴリの中から、カテゴリ
未定語彙のカテゴリが、そのカテゴリ未定語彙を含む音
声認識結果に基づいて推定される。従って、カテゴリ未
定語彙のカテゴリを精度良く推定することが可能とな
り、これにより、辞書に新たに登録された単語を含む発
話であっても、適切な言語的評価を行って、精度の高い
音声認識を行うことが可能となる。

【図面の簡単な説明】

【図１】従来の音声認識装置の一例の構成を示すブロッ
ク図である。

【図２】単語辞書を示す図である。

【図３】文法規則を示す図である。

【図４】単語仮説を表すグラフ構造を示す図である。

【図５】文法規則を示す図である。

【図６】本発明を適用した音声認識装置の一実施の形態
の構成例を示すブロック図である。

【図７】文法規則を示す図である。

【図８】登録処理を説明するフローチャートである。

【図９】音声認識処理を説明するフローチャートであ
る。

【図１０】カテゴリ推定処理を説明するフローチャート
である。

【図１１】カテゴリ推定処理を説明する図である。

【図１２】音声認識処理を説明するフローチャートであ
る。

【図１３】本発明を適用したコンピュータの一実施の形
態の構成例を示すブロック図である。

【符号の説明】

１マイク，２ＡＤ変換部，３特徴抽出部，
４マッチング部，５音響モデルデータベース，６
辞書データベース，７文法データベース，８
登録部，９カテゴリ推定部，９Ａスコアメモ
リ，１０修正部，１０１バス，１０２ CP
U，１０３ ROM，１０４ RAM，１０５ハード
ディスク，１０６出力部，１０７入力部，１
０８通信部，１０９ドライブ，１１０入出力
インタフェース，１１１リムーバブル記録媒体

───────────────────────────────────────────────────── フロントページの続き (72)発明者南野活樹東京都品川区北品川６丁目７番35号ソニー株式会社内 (72)発明者ヘルムートルッケ東京都品川区北品川６丁目７番35号ソニー株式会社内Ｆターム(参考） 5D015 GG03 HH11

Claims

【特許請求の範囲】

【請求項１】語彙のカテゴリを用いた文法規則に基づ
き、辞書に登録された語彙を対象として音声認識を行う
音声認識手段による音声認識結果を処理する自然言語処
理装置であって、前記辞書に登録された、そのカテゴリが未定の語彙であ
るカテゴリ未定語彙が、前記音声認識結果に含まれるか
否かを判定する判定手段と、前記文法規則に定義されている複数のカテゴリの中か
ら、前記カテゴリ未定語彙のカテゴリを、そのカテゴリ
未定語彙を含む前記音声認識結果に基づいて推定する推
定手段とを備えることを特徴とする自然言語処理装置。
【請求項２】前記推定手段は、最も尤度の高い前記音
声認識結果に基づいて、前記カテゴリ未定語彙のカテゴ
リを推定することを特徴とする請求項１に記載の自然言
語処理装置。
【請求項３】前記推定手段は、前記音声認識結果を構
成する語彙について前記文法規則に基づいて得られる言
語的な尤度から、その音声認識結果に含まれる前記カテ
ゴリ未定語彙のカテゴリを推定することを特徴とする請
求項１に記載の自然言語処理装置。
【請求項４】前記推定手段は、前記文法規則に定義さ
れている複数のカテゴリのうち、前記音声認識結果の言
語的な尤度を最大にするものを、その音声認識結果に含
まれる前記カテゴリ未定語彙のカテゴリとして推定する
ことを特徴とする請求項３に記載の自然言語処理装置。
【請求項５】前記推定手段は、前記音声認識手段の音
声認識結果として、過去にカテゴリを推定した前記カテ
ゴリ未定語彙を含むものが得られた場合に、その音声認
識結果に基づいて、その音声認識結果に含まれる前記カ
テゴリ未定語彙のカテゴリを再度推定することを特徴と
する請求項１に記載の自然言語処理装置。
【請求項６】前記推定手段は、前記カテゴリ未定語彙
のカテゴリとして、２以上のカテゴリを推定することを
特徴とする請求項１に記載の自然言語処理装置。
【請求項７】前記カテゴリ未定語彙が、前記２以上の
カテゴリのそれぞれに属する確率であるカテゴリ確率を
求める確率演算手段をさらに備えることを特徴とする請
求項６に記載の自然言語処理装置。
【請求項８】前記音声認識手段は、前記文法規則と前
記カテゴリ確率に基づいて、前記カテゴリ未定語彙につ
いての言語的な尤度を求めることを特徴とする請求項７
に記載の自然言語処理装置。
【請求項９】前記音声認識手段による音声認識結果を
修正する修正手段をさらに備え、前記判定手段は、前記修正手段により修正された前記音
声認識結果に、カテゴリ未定語彙が含まれるか否かを判
定することを特徴とする請求項１に記載の自然言語処理
装置。
【請求項１０】前記辞書に登録されていない未知語
を、前記カテゴリ未定語彙として、前記辞書に登録する
登録手段をさらに備えることを特徴とする請求項１に記
載の自然言語処理装置。
【請求項１１】前記音声認識手段をさらに備えること
を特徴とする請求項１に記載の自然言語処理装置。
【請求項１２】語彙のカテゴリを用いた文法規則に基
づき、辞書に登録された語彙を対象として音声認識を行
う音声認識手段による音声認識結果を処理する自然言語
処理方法であって、前記辞書に登録された、そのカテゴリが未定の語彙であ
るカテゴリ未定語彙が、前記音声認識結果に含まれるか
否かを判定する判定ステップと、前記文法規則に定義されている複数のカテゴリの中か
ら、前記カテゴリ未定語彙のカテゴリを、そのカテゴリ
未定語彙を含む前記音声認識結果に基づいて推定する推
定ステップとを備えることを特徴とする自然言語処理方
法。
【請求項１３】語彙のカテゴリを用いた文法規則に基
づき、辞書に登録された語彙を対象として音声認識を行
う音声認識手段による音声認識結果を処理する自然言語
処理を、コンピュータに行わせるプログラムが記録され
ている記録媒体であって、前記辞書に登録された、そのカテゴリが未定の語彙であ
るカテゴリ未定語彙が、前記音声認識結果に含まれるか
否かを判定する判定ステップと、前記文法規則に定義されている複数のカテゴリの中か
ら、前記カテゴリ未定語彙のカテゴリを、そのカテゴリ
未定語彙を含む前記音声認識結果に基づいて推定する推
定ステップとを備えるプログラムが記録されていること
を特徴とする記録媒体。