JP2015509618A - 位置ベース言語モデリングを使用した自動入力信号認識 - Google Patents

Abstract

音声認識などの入力信号認識が、位置ベース情報を合体することによって改善され得る。そのような情報は、ローカル道路名、事業名、ランドマークなどの事前定義された地理的位置に固有のデータをそれぞれ含む１つ以上の言語モデルを作成することによって組み込まれ得る。入力信号と関連付けられた位置を使用することによって、１つ以上のローカル言語モデルを選択することができる。ローカル言語モデルにはそれぞれ、ローカル言語モデルと関連付けられ、位置の、事前定義された重心への近さを表す重みを割り当てられ得る。１つ以上のローカル言語モデルをグローバル言語モデルとマージして、認識プロセスで使用される複合言語モデルを生成することができる。

Description

1．技術分野
本開示は、自動入力信号認識に関し、より具体的には位置ベース言語モデリングを使用した自動入力信号認識の改善に関する。

２．前書
音声認識などの入力信号認識技術は、近年、急激に拡大している。その用途は、自動電話応答システムなどの語彙が制限されたきわめて特定の使用事例から、任意の発言に対応した音声認識まで拡大している。しかしながら、可能な入力信号の数とタイプが拡大したため、正確な結果を提供するには課題が残っている。そのことは、特に、すべての入力信号に対してグローバル言語モデルに依存する認識システムに当てはまる。そのような事例では、特定の地理的領域に固有の入力信号は、間違って認識されることが多い。

この問題の１つの解決策は、入力信号の位置に基づいて特定の言語モデルを選択するローカル言語モデルを作成することであってよい。例えば、サービスエリアを複数の地理的領域に分割でき、また各領域のローカル言語モジュールを構成することができる。しかしながら、そのような手法は、逆方向に歪められた認識結果をもたらす可能性がある。即ち、言語モデルが、ローカルワードシーケンスをより重く重み付けするので、特定領域に固有でない入力信号が、ローカルワードシーケンスとして間違って認識されることがある。更に、そのような解決策は、１つの地理的領域だけを考慮しており、位置が地理的領域の境界に近くかつ入力信号が近隣の地理的領域内の固有のワードシーケンスに対応する場合には、不正確な結果をもたらす可能性がある。

本開示の更なる特徴及び利点は、後続の明細書本文に記載されており、部分的にはその明細書本文から明らかとなるか、又は本明細書に開示される原理を実施することによって理解できるであろう。開示の特徴及び利点は、添付の特許請求の範囲に詳細に示された機器及び組み合わせによって実現し獲得することができる。本開示の前述及び他の特徴は、下掲の明細書本文及び添付の特許請求の範囲からより詳細に明らかになるか、又は本明細書に記載された原理を実施することによって把握され得る。

本開示は、入力信号を自動認識してワードシーケンスを作成するためのシステム、方法及び永続的コンピュータ可読媒体について述べる。方法は、音声信号などの入力信号と、関連付けられた位置とを受け取ることを含む。位置に基づいて、第１のローカル言語モデルが選択される。いくつかの構成では、各ローカル言語モデルは、関連付けられ事前定義された地理的領域を有する。この場合、ローカル言語モデルは、最初に、位置に適合する地理的領域を識別することによって選択される。地理的領域は、位置がその地理的領域内に含まれかつ／又は位置がその地理的領域に割り当てられた重心から指定しきい値距離内にあるため選択され得る。次に、第１のローカル言語モデルが、グローバル言語モデルとマージされて複合言語モデルが生成される。入力信号は、入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって、複合言語モデルに基づいて認識される。

いくつかの構成では、位置に基づいて１組の追加のローカル言語モデルを選択することができる。次に、第１のローカル言語モデルと、１組の追加の言語モデル内の各言語モデルをグローバル言語モデルとをマージして、複合言語モデルを生成することができる。更に、場合によっては、マージ前に、１つ以上のローカル言語モデルに重みを割り当てることができる。重みは、ローカル言語モデルを構築するために使用されるローカル情報の認知精度及び／又は位置の地理的領域の重心からの距離などの様々な因子に基づくことができる。重みを割り当てるとき、重みを使用してマージステップに影響を及ぼすことができる。

いくつかの実施態様に従って、入力信号認識方法が提供され、この方法は、入力信号及び入力信号と関連付けられた位置を受け取ることと、位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択することと、プロセッサによって、第１のローカル言語モデルとグローバル言語モデルをマージして複合言語モデルを生成することと、入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって、複合言語モデルに基づいて入力信号を認識することとを含む。

いくつかの実施態様では、入力信号は、音声信号である。いくつかの実施態様では、第１のローカル言語モデルは、位置と関連付けられた地理的領域にマッピングされ、地理的領域は重心を含む。いくつかの実施態様では、位置は、地理的領域内に含まれる。いくつかの実施態様では、位置は、重心から指定しきい値距離内にある。いくつかの実施態様では、地理的領域は、確立された地理的位置によって定義される。

いくつかの実施態様において、本方法は、位置に基づいて複数のローカル言語モデルから第２のローカル言語モデルを選択することと、更に、第１のローカル言語モデル、第２のローカル言語モデル及びグローバル言語モデルをマージして複合言語モデルを生成することとを含む。いくつかの実施態様において、本方法は、第１のローカル言語モデル、第２のローカル言語モデル及びグローバル言語モデルをマージする前に、第１の重み値（及び／又は倍率）を第１のローカル言語モデルに割り当て、第２の重み値（及び／又は倍率）を第２のローカル言語モデルに割り当てることを含む。いくつかの実施態様では、第１又は第２の重み値（及び／又は倍率）の少なくとも一方は、選択された地理的領域内に含まれる重心から位置までの距離に少なくとも部分的に基づく。いくつかの実施態様では、第１又は第２の重み値（及び／又は倍率）の少なくとも一方が、ローカル言語モデルに割り当てられた精度レベルに少なくとも部分的に基づく。いくつかの実施態様では、位置が、その位置と関連付けられた地理的領域外にあるとき、第１又は第２の重み値の少なくとも一方が、第１又は第２のローカル言語モデルにそれぞれ適用される。

いくつかの実施態様において、第１のローカル言語モデルは、ローカル道路名、ローカル近隣名、ローカル事業名、ローカルランドマーク名及びローカルアトラクション名のうちの少なくとも１つを含む。いくつかの実施態様では、第１及び第２のローカル言語の少なくとも１つが、統計言語モデルであり、統計言語モデルが、ローカル電話帳、ローカル職業別電話帳、ローカル紙、ローカル地図、ローカル広告及びローカルブログのうちの少なくとも１つを使用して構築される。

いくつかの実施態様によれば、電子装置は、１つ以上のプロセッサ、メモリ、及び１つ以上のプログラムを含み、この１つ以上のプログラムが、メモリに記憶され、１つ以上のプロセッサによって実行されるように構成され、１つ以上のプログラムが、前述の方法及び／又は技術のいずれかの動作を行なうための命令を含む。いくつかの実施態様によれば、コンピュータ可読記憶媒体は内部に命令を記憶し、この命令は電子装置によって実行されると、機器に上記に述べた方法及び／又は技術のいずれかの動作を実行させる。いくつかの実施態様によれば、電子装置は、前述の方法及び／又は技術のいずれかの動作を実行するための手段を含み、いくつかの実施態様によれば、情報処理装置は、電子装置で使用するために、前述の方法及び／又は技術のいずれかの動作を行う手段を含む。

いくつかの実施態様によれば、電子装置は、入力受信ユニットと、入力受信ユニットに結合された処理ユニットとを含み、入力受信ユニットは、入力信号と、入力信号と関連付けられた位置とを受け取るように構成され、処理ユニットは、位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択し、第１のローカル言語モデルとグローバル言語モデルをマージして複合言語モデルを生成し、入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって複合言語モデルに基づいた入力信号を認識するように構成される。

前述並びに他の本開示の利点及び特徴を達成し得る方法について説明するために、添付図面に図示される本発明の具体的な実施形態を参照することによって、先に概説した原理に関して更に詳細に説明する。これらの図面は、開示の例示的な実施形態だけを示し、したがって開示の範囲の限定と見なされるべきでなく、本明細書における原理が、添付図面を使用することにより、より具体的かつ詳細に示され説明される。

システムの実施形態例を図示する図である。 位置ベース入力信号認識のための例示的なクライアントサーバ構成を示す図である。 例示的な１組の地理的領域を示す図である。 例示的な音声認識プロセスを示す図である。 位置に基づいた例示的な重み付け方式を示す図である。 単一ローカル言語モデルを使用して入力信号を認識する例示的な方法の実施形態を示す図である。 複数のローカル言語モデルを使用して入力信号を認識する例示的な方法の実施形態を示す図である。 位置ベース入力信号認識のための例示的なクライアント装置構成を示す図である。 クライアント装置上の位置ベース入力信号認識のための例示的な方法の実施形態を示す図である。 いくつかの実施形態による電子装置の機能ブロック図である。

本開示の様々な実施形態について以下に説明する。特定の実施態様を説明するが、これは説明のためにのみ行われることを理解されたい。他のコンポーネント及び構成が本開示の趣旨及び範囲から逸脱することなく使用できることは、関連技術の当業者によって認識されるであろう。

本開示は、当該技術分野において、音声認識やキーボードからの入力の自動補完などの改善された自動入力信号認識の必要性に取り組む。この技術を使用して、入力信号の位置に関連した情報を使用して認識結果を改善することができる。これは、特に、入力信号が、大域的には低い出現確率を有するが特定の地理的領域内ではずっと高い出現確率を有するワードシーケンスを含むときに当てはまる。例えば、入力信号が、語られた言葉「ｇｏａｔ ｈｉｌｌ」であると仮定する。大域的には、このワードシーケンスは、きわめて低い出現確率を有することがあるため、入力信号が、「ｇｏｏｄ ｗｉｌｌ」などのより一般的なワードシーケンスとして認識され得る。しかしながら、入力信号が、Ｇｏａｔ Ｈｉｌｌと呼ばれる評判のカフェのある市内の人によって語られた場合は、入力信号が「Ｇｏａｔ Ｈｉｌｌ」として認識されるように話者が意図した可能性が高い。本技術は、ローカル情報を認識プロセスに組み込むことによって、この欠陥に対処する。

本開示は、最初に、本明細書に開示された概念を実施するために使用できる図１の基本汎用システム又はコンピューティング装置を説明し、その後で自動入力信号認識のより詳細な説明に戻る。図１を参照すると、例示的システムは、汎用コンピューティング装置１００を含み、汎用コンピューティング装置１００は、処理ユニット（ＣＰＵ又はプロセッサ）１２０と、読み出し専用メモリ（ＲＯＭ）１４０及びランダムアクセスメモリ（ＲＡＭ）１５０などのシステムメモリ１３０を含む様々なシステム構成要素をプロセッサ１２０に結合するシステムバス１１０とを含む。装置１００は、プロセッサ１２０に直接接続されるか、プロセッサ１２０のごく近くに接続されるか、プロセッサ１２０の一部として統合されたキャッシュ１２２を含むことができる。装置１００は、プロセッサ１２０によるアクセスを迅速にするために、メモリ１３０及び／又は記憶装置１６０（ハードディスクを含むことがある）からのデータをキャッシュに複写する。このようにして、キャッシュは、データを待っている間のプロセッサ１２０の遅延を防いで性能向上を提供する。これら及び他のモジュールは、様々なアクションを実行するようにプロセッサ１２０を制御するか又は制御するように構成され得る。他のシステムメモリ１３０も同様に使用できることがある。メモリ１３０は、様々な性能特性を備えた複数の異なるタイプのメモリを含むことができる。本開示が、２つ以上のプロセッサ１２０を有するコンピューティング装置１００上、又は一緒にネットワーク接続されたグループ又はクラスタのコンピューティング装置上で動作して、より高い処理性能を提供し得ることが理解される。プロセッサ１２０は、任意の汎用プロセッサ、記憶装置１６０に記憶されプロセッサ１２０を制御するように構成されたモジュール１（「ＭＯＤ１」）（１６２）、モジュール２（「ＭＯＤ２」）（１６４）、モジュール３（「ＭＯＤ３」）（１６６）などのハードウェアモジュール又はソフトウェアモジュール、並びにソフトウェア命令が実際のプロセッサ設計に組み込まれる専用プロセッサを含むことができる。プロセッサ１２０は、本質的に、複数のコア又はプロセッサ、バス、メモリコントローラ、キャッシュなどを含む、完全自立型コンピューティングシステムでよい。マルチコアプロセッサは、対称でもよく非対称でもよい。

システムバス１１０は、メモリバス又はメモリコントローラ、周辺バス、及び様々なバスアーキテクチャのいずれかを使用するローカルバスを含むいくつかのタイプのいずれかのバス構造でよい。ＲＯＭ１４０などに記憶された基本入出力システム（ＢＩＯＳ）は、起動中などにコンピューティングデバイス１００内の要素間で情報を伝えるのを支援する基本ルーチンを提供することがある。コンピューティング装置１００は、更に、ハードディスクドライブ、磁気ディスクドライブ、光ディスクドライブ、テープドライブ、ソリッドステートドライブなどの記憶装置１６０を含む。記憶装置１６０は、プロセッサ１２０を制御するソフトウェアモジュール１６２、１６４、１６６を含むことができる。他のハードウェア又はソフトウェアモジュールが検討される。記憶装置１６０は、ドライブインタフェースによりシステムバス１１０に接続される。ドライブ及び関連付けられたコンピュータ可読記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、及び他のデータの不揮発性記憶装置をコンピューティング装置１００に提供する。一態様では、特定の機能を実行するハードウェアモジュールは、その機能を実行するために、プロセッサ１２０、バス１１０、出力装置１７０などの必要なハードウェア構成要素と関連付けられた永続的コンピュータ可読媒体に記憶されたソフトウェア構成要素を含む。基本コンポーネントは、当業者に知られており、装置１００が、小さなハンドヘルドのコンピューティング装置か、デスクトップコンピュータか、又はコンピュータサーバかなどの装置のタイプにより、適切な変動が考慮される。

本明細書で述べる例示的な実施形態は、記憶装置１６０のためのハードディスクを使用するが、当業者は、磁気カセット、フラッシュメモリカード、ＤＶＤ、カートリッジ、ランダムアクセスメモリ（ＲＡＭ）１５０、読み出し専用メモリ（ＲＯＭ）１４０、ビットストリームを含む有線又は無線信号など、コンピュータによってアクセス可能なデータを記憶することができる他のタイプのコンピュータ可読媒体が、例示的な動作環境で使用されてもよいことを理解されるだろう。永続的コンピュータ可読記憶媒体は、エネルギー、キャリア信号、電磁波、信号などの媒体を明示的に除外する。

コンピューティングデバイス１００に対するユーザの対話操作を可能にする任意の数の入力メカニズム、例えば、会話用のマイクロフォン、ジェスチャ又は図形入力用のタッチセンシティブスクリーン、キーボード、マウス、モーション入力、スピーチなどが、入力デバイス１９０で表してある。出力装置１７０はまた、当業者に公知の多くの出力メカニズムのうちの１つ以上であり得る。幾つかの例では、マルチモーダルシステムは、ユーザに、コンピューティングデバイス１００との通信の複数の入力のタイプを提供できるようにする。ユーザ入力及びシステム出力は一般に、通信インタフェース１８０によって統制、管理される。任意の特定のハードウェア構成で動作することに制限はなく、したがって、本明細書の基本的特徴は、改善されたハードウェア又はファームウェア構成が開発されるのに応じて容易に置換され得る。

説明を分かりやすくするために、例示されるシステム実施形態は、「プロセッサ」又はプロセッサ１２０と表記された機能ブロックを含む個々の機能ブロックを含むように提示される。これらのブロックが表わす機能は、ソフトウェアを実行可能なハードウェアであって、プロセッサ１２０などの、汎用プロセッサ上で実行するソフトウェアと同等品として動作するように、目的向けに構築されたハードウェアを含むがこれらに限定されない共用又は専用ハードウェアを使用することにより提供されてもよい。例えば、図１に示す１つ以上のプロセッサの機能は、単一の共有プロセッサ又は複数のプロセッサによって提供され得る。（「プロセッサ」という用語の使用は、ソフトウェアを実行できるハードウェアだけを指すものと解釈してはならない。）例示的な実施形態は、マイクロプロセッサ及び／又はデジタルシグナルプロセッサ（ＤＳＰ）ハードウェア、後述する動作を実行するソフトウェアを記憶するための読み出し専用メモリ（ＲＯＭ）１４０、及び結果を記憶するランダムアクセスメモリ（ＲＡＭ）１５０を含み得る。汎用ＤＳＰ回路と組み合わせたカスタムＶＬＳＩ回路に加えて、超大規模集積回路（ＶＬＳＩ）ハードウェアの実施形態もまた提供され得る。

様々な実施形態の論理演算は、（１）汎用コンピュータ内のプログラマブル回路上で実行される、コンピュータに実装された一連のステップ、操作又は手順と、（２）特定用途プログラマブル回路上で実行される、コンピュータに実装された一連のステップ、操作又は手順及び／又は（３）プログラマブル回路内の相互接続されたマシンモジュール又はプログラムエンジンとして実装される。図１に示された装置１００は、列挙された方法のすべて又は一部を実施できるか、列挙されたシステムの一部であり得るか、及び／又は列挙された永続的コンピュータ可読記憶媒体内の命令にしたがって動作することができる。そのような論理演算は、プロセッサ１２０を制御してモジュールのプログラミングにしたがって特定の機能を実行するように構成されたモジュールとして実装されてもよい。例えば、図１は、プロセッサ１２０を制御するように構成されたモジュールである３つのモジュール１（１６２）、モジュール２（１６４）、及びモジュール３（１６６）を示す。これらのモジュールは、記憶装置１６０に記憶されて、ＲＡＭ１５０又はメモリ１３０に実行時にロードされてもよく、又は当該技術分野で知られるように、他のコンピュータ可読メモリの位置に記憶されてもよい。

本技術の詳細な説明を開示する前に、本開示は、音声信号などの任意の入力信号を認識してワードシーケンスを生成できる方法についての簡潔な導入的説明を行う。この導入的説明は、統計的言語モデリングに基づく認識プロセスを開示する。しかしながら、当業者は、代替の言語モデリング技法も使用できることを理解するであろう。

音声認識やキーボードからの入力の自動補完などの自動入力信号認識において、入力信号を受け取り、言語モデルを使用して、入力信号に対応する可能性が最も高いワードシーケンスを識別することができる。例えば、自動音声認識では、言語モデルを使用して、音響信号を、話された可能性が最も高いワードシーケンスに変換することができる。

入力信号認識で使用される言語モデルは、言語の特性を獲得するように設計され得る。入力信号をワードシーケンスに変換するために使用される１つの一般的な言語モデリング技術は、統計言語モデリングである。統計言語モデリングにおいて、言語モデルは、ターゲット言語の大規模なサンプルを分析して確率分布を生成することによって構築され、次にその確率分布を使用して、ｍ個の単語のシーケンス：Ｐ（ｗｌ、．．．、ｗｍ）に確率を割り当てることができる。次に、統計言語モデルを使用して、入力信号を１つ以上のワードシーケンスにマッピングすることができる。次に、最も高い出現確率を有するワードシーケンスを選択することができる。例えば、入力信号は、ワードシーケンス「ｇｏｏｄ ｗｉｌｌ」、「ｇｏｏｄ ｈｉｌｌ」、「ｇｏａｔ ｈｉｌｌ」及び「ｇｏａｔ ｗｉｌｌ」にマッピングされ得る。ワードシーケンス「ｇｏｏｄ ｗｉｌｌ」が、最も高い出現確率を有する場合、「ｇｏｏｄ ｗｉｌｌ」が、認識プロセスの出力になる。

当業者は、この開示が、この技術を説明するためにしばしば音声認識を使用するが、種々様々な入力信号に認識プロセスを適用できることを理解するであろう。例えば、この技術は、情報検索システムにおいて、キーワード検索用語を提案するため又はキーボードからの入力を自動補完するためにも使用され得る。例えば、この技術を自動補完に使用して、自動補完リスト内で関心ローカルポイントをより高く格付けすることができる。

統計言語モデルを使用してワードシーケンスを生成するために任意の入力信号を認識できる方法についての導入的説明を開示したが、本開示は、次に、位置ベース言語モデリングを使用して入力信号を自動認識に関する説明に戻る。当業者は、この開示が、認識プロセスを説明するために統計言語モデルを使用するが、当該技術の趣旨及び範囲から離れることなく代替の言語モデルも可能であることを理解するであろう。

図２は、位置ベース入力信号認識の例示的なクライアントサーバ構成２００を示す。例示的なクライアントサーバ構成２００において、認識システム２０６は、図１の装置１００のような汎用コンピューティング装置などのサーバ上に存在するように構成され得る。

システム構成２００において、認識システム２０６は、直接及び／又は間接通信によってネットワーク２０４に接続された１つ以上のクライアント装置２０２１、２０２２、．．．、２０２ｎ（集合的に「２０２」）と通信することができる。認識システム２０６は、デスクトップコンピュータ、モバイルコンピュータ、携帯型通信装置（例えば、移動電話、スマートフォン、タブレット）、及び／又は任意の他のネットワーク対応通信装置など、様々なクライアント装置からの接続に対応することができる。更に、認識システム２０６は、複数のクライアント装置２０２からの接続を同時に受け入れて対話することができる。

認識システム２０６は、クライアント装置２０２から入力信号を受信することができる。入力信号は、表現するワードシーケンスにマッピングすることができる任意のタイプの信号であってよい。例えば、入力信号は、認識システム２０６が、入力音声信号を表わす可能性が統計的に最も高いワードシーケンスを生成できる音声信号であり得る。あるいは、入力シーケンスは、テキストシーケンスであってよい。この場合、認識システムは、受信した入力テキスト信号を完成させる可能性が統計的に最も高いワードシーケンスを生成するように構成することができ、例えば、入力テキスト信号が、「ｇｏｏｄ」になり、生成ワードシーケンスが、「ｇｏｏｄ ｄａｙ」になることがある。

認識システム２０６は、クライアント装置２０２と関連付けられた位置も受信することができる。この位置は、緯度及び／又は経度、ＧＰＳ座標、郵便番号、市、州、市外局番などの様々な形式で表され得る。クライアント装置２０２の位置を識別するには、例えばＧＰＳ、三角測量、ＩＰアドレスなどの様々な自動化方法が可能である。更に、いくつかの構成では、クライアント装置のユーザは、クライアント装置２０２が現在ある位置を表す郵便番号、市、州、市外局番などの位置を入力することができる。更に、いくつかの構成において、クライアント装置のユーザは、クライアント装置のデフォルト位置を設定することができ、その結果、デフォルト位置は、常に現在位置の代わりに提供されるか、クライアント装置が現在位置を決定できないときに提供される。位置は、入力信号と共に受信されてもよく、クライアント装置２０２との他の対話によって得てもよい。

認識システム２０６は、入力信号の認識を容易にするためにいくつかの構成要素を含むことができる。構成要素は、１つ以上のデータベース（例えば、グローバル言語モデルデータベース２１４、ローカル言語モデルデータベース２１６）、データベースと対話しかつ／又は入力信号を認識するための１つ以上のモジュール（例えば、通信インタフェース２０８、ローカル言語モデルセレクタ２０９、複合言語モデルビルダ２１０、認識エンジン２１２）を含むことができる。当業者には、図２に示された構成が単に１つの可能な構成であり、これより多いか又は少ない構成要素を有する他の構成も可能であることが理解されるであろう。

図２の例示的な構成２００において、認識システム２０６は、２つのデータベースを維持する。グローバル言語モデルデータベース２１４は、１つ以上のグローバル言語モデルを含むことができる。前述のように、言語モデルは、言語の特性を獲得するために使用され、入力信号をワードシーケンスに変換するか又はワードシーケンスを予測するために使用され得る。グローバル言語モデルは、言語の一般的性質を獲得するように設計される。即ち、このモデルは、母集団の一部分、又は地理的領域内で高い出現確率を有することがあるワードシーケンスとは対照的に、普遍的ワードシーケンスを獲得するように設計される。例えば、英語のために、英語を話す人の大部分によって幅広く使用されるワードシーケンスを獲得するグローバル言語モデルが構築され得る。言語モデルは、言語の特性を獲得するために使用されるので、いくつかの構成では、グローバル言語モデルデータベース２１４は、例えば英語、スペイン語、フランス語、日本語などの様々な言語に対して異なる言語モデルを維持することができ、電話帳、職業別電話帳、地方紙、ブログ、地図、地方広告などを含む様々なサンプルローカルテキストを使用して構築され得る。

ローカル言語モデルデータベース２１６は、１つ以上のローカル言語モデルを含むことができる。ローカル言語モデルは、特定の地理的領域に固有であってよいワードシーケンスを獲得するように設計され得る。各ローカル言語モデルは、ローカル道路名、事業名、近隣名、ランドマーク名称、アトラクション、珍味などのローカル情報を使用して作成され得る。

各ローカル言語モデルは、あらかじめ定義された地理的領域、即ち地理的領域と関連付けられ得る。地理的領域は、様々な方法で定義され得る。例えば、地理的領域は、郵便番号、市外局番、市、国などの十分に確立された地理的領域に基づいてもよい。あるいは、地理的領域は、例えば、ユーザの分布に基づいてサービスエリアを複数の地理的領域に分割することによって、など、任意の地理的領域を使用して定義され得る。更に、地理的領域は、重複又は相互排他的であるように定義され得る。更に、いくつかの構成では、地理的領域間に隙間があってもよい。即ち、地理的領域の一部ではない領域である。

図３は、例示的な１組の地理的領域３００を示す。例示的な１組の地理的領域３００は、図３に示されるように、様々なサイズ（例えば、地理的領域３０４及び３０６）及び形状（例えば、地理的領域３０２、３０４、３０８及び３１０）であってよい複数の地理的領域を含むことができる。更に、地理的領域は、地理的領域３０４及び３０６によって示されるように、重複することができる。更に、地理的領域の間に隙間があってもよく、その結果、地理的領域による対象とならない領域ができる。例えば、受信位置が、地理的領域３０４と３０８の間にある場合は、地理的領域に含まれない。

各地理的領域は、重心と関連付けられてもよく、重心を含んでもよい。重心は、位置によって定義された地理的領域の事前定義された中心であってよい。重心の位置は、幾つかの異なる方法で選択することができる。例えば、重心の位置は、位置の地理的中心であってよい。あるいは、重心の位置は、市庁舎などの市の中心に基づいて定義されてもよい。重心の位置は、また、ローカル言語モデルを構築するために使用される情報の集中に基づくことができる。即ち、ほとんどの情報が、特定位置の近くに極度に集中される場合は、その位置を重心として選択することができる。また、人口分布など、重心を位置決めする追加の方法が可能である。

図２に戻ると、当業者には、認識システム２０６がこれより多いか少ないデータベースで構成され得ることが理解されるであろう。例えば、グローバル言語モデルとローカル言語モデルは、単一データベース内に維持されてもよい。あるいは、認識システム２０６は、サポートされた各言語のデータベースを維持するように構成されてもよく、その場合、個々のデータベースがグローバル言語モデルとその言語の全てのローカル言語モデルの両方を含む。グローバル言語モデルとローカル言語モデルを配分する追加の方法も可能である。

図２の例示的構成において、認識システム２０６は、データベースと対話しかつ／又は入力信号を認識するための４つのモジュールを維持する。通信インタフェース２０８は、クライアント装置２０２から入力信号及び関連付けられた位置を受け取るように構成され得る。入力信号と位置を受け取った後で、通信インタフェースは、その入力信号と位置を認識システム２０６内の他のモジュールに送信して入力信号を認識できるようにする。

認識システム２０６は、また、ローカル言語モデルセレクタ２０９を維持することができる。ローカル言語モデルセレクタ２０９は、通信インタフェース２０８から位置を受信するように構成され得る。その位置に基づいて、ローカル言語モデルセレクタ２０９は、複合言語モデルビルダ２１０に渡すことができる１つ以上のローカル言語モデルを選択することができる。複合言語モデルビルダ２１０は、１つ以上のローカル言語モデルと１つのグローバル言語モデルをマージして複合言語モデルを作成することができる。最後に、認識エンジン２１２は、複合言語モデルビルダ２１０によって構築された複合言語モデルを受け取って入力信号を認識することができる。

前述のように、この技術の一態様は、位置情報の収集と使用である。本開示は、この技術の位置ベースデータを使用してユーザを利することができることを理解する。例えば、位置ベースデータを使用して入力信号認識結果を改善することができる。本開示は、更に、位置ベースデータの収集及び／又は使用の役割を負う実体が、位置ベースデータを非公開かつセキュアに維持するための産業又は行政の要求事項を満たすか又は上回ると、一般に理解されたプライバシポリシーと慣行を実装し一貫して使用すべきであると考える。例えば、ユーザからの位置ベースデータは、実体の合法的かつ妥当な使用のために収集されるべきであり、それらの合法的な使用以外で共有も販売もされるべきでない。更に、そのような収集は、ユーザに状況を説明して同意を得た後にのみ行われるべきである。更に、そのような実体は、そのような位置ベースデータへのアクセスを防衛し保護し、また位置ベースデータに対するアクセス権を有する他者がそのプライバシ及びセキュリティポリシー及び手順を遵守することを保証するのに必要なステップを取るべきである。更に、そのような実体は、広く受け入れられるプライバシポリシー及び慣行に対する遵守を明らかにするために、第三者による評価を受けることができる。

前述のことがらにもかかわらず、本開示は、ユーザが位置ベースデータの使用又はそれに対するアクセスを選択的に阻止する実施形態も考えている。即ち、本開示は、そのような位置ベースデータへのアクセスを防止又は阻止するハードウェア及び／又はソフトウェア要素を提供することができることを意図する。例えば、この技術は、ユーザが、サービスの登録中又はプリファレンス設定によって、位置ベースデータの収集への参加の「オプトイン」又は「オプトアウト」を選択することを可能にするように構成され得る。別の例では、ユーザは、入力信号認識システムに提供される位置情報の粒度を指定することができ、例えば、ユーザは、クライアント装置が郵便番号を送信する許可を与えるが、ＧＰＳ座標を送信する許可を与えない。

したがって、本開示は、１つ以上の様々な開示された実施形態を実現するために位置ベースデータの使用を幅広くカバーするが、本開示は、様々な実施形態が、また位置ベースデータの様々な粒度を使用して実現され得ることも意図する。即ち、この技術の様々な実施形態は、位置ベースデータの粒度の欠如によって使用不能にはならない。

図４は、認識システム２０６に基づく例示的な入力信号認識プロセス４００を示す。前述したように、通信インタフェース２０８は、入力信号及び関連付けられた位置を受信するように構成され得る。通信インタフェース２０８は、位置情報をローカル言語モデルセレクタ２０９に伝達することができる。

ローカル言語モデルセレクタ２０９は、通信インタフェース２０８から位置を受信するように構成され得る。その位置に基づいて、ローカル言語セレクタは、地理的領域を識別することができる。地理的領域は、様々な方法で選択され得る。いくつかの例では、地理的領域を位置包含（location containment）に基づいて選択することができる。即ち、地理的領域は、その位置がその地理的領域内に含まれる場合に選択することができる。あるいは、地理的領域は、位置の近さに基づいて選択され得る。例えば、位置が地理的領域の重心に最も近い場合にその地理的領域を選択することができる。地理的領域が重なるときや、位置が２つの異なる重心から等距離のときなど、複数の地理的領域が等しく選択可能な場合、タイブレークの指針を確立することができる。例えば、位置が複数の地理的領域内に含まれる場合は、重心又は最も近い境界までの近さを使用してタイブレークすることができる。同様に、位置が複数の重心から等距離のときは、包含又は境界からの距離をタイブレーカとして使用することができる。また、代替のタイブレーク方法も可能である。ローカル言語モデルセレクタ２０９が地理的領域を選択した後で、ローカル言語モデルセレクタ２０９は、例えばローカル言語モデルデータベース２１６から取り出すことなどによって、対応するローカル言語モデルを得ることができる。

いくつかの実施形態では、ローカル言語モデルセレクタ２０９は、追加の地理的領域を選択するように構成され得る。例えば、ローカル言語モデルセレクタ２０９は、その位置が含まれる全ての地理的領域及び／又はその位置が地理的領域の重心からしきい値距離以内にあるすべての地理的領域を選択するように構成され得る。そのような構成において、ローカル言語モデルセレクタ２０９は、追加の地理的領域それぞれに対応するローカル言語モデルを得ることもできる。

また、ローカル言語モデルセレクタ２０９は、選択されたローカル言語モデルの１つ以上に重み又は倍率を割り当てるように構成されてもよく、場合によっては、ローカル言語モデルのサブセットだけが重みを割り当てられる。例えば、地理的領域が両方とも、包含と近さに基づいて選択された場合、ローカル言語モデルセレクタ２０９は、近さに基づいて選択された地理的領域に対応するローカル言語モデルの寄与を少なくするように設計された重みを割り当てることができる。即ち、更に遠くにある地理的領域に対応するローカル言語モデルは、ごく小さい重みなどの、重みが与えられてもよく、その結果、それらのローカル言語モデルは、重要性が低くなる。あるいは、ローカル言語モデルセレクタ２０９は、関連付けられた地理的領域の重心からその位置までの距離が指定しきい値を超える場合に、言語モデルに重みを割り当てるように構成され得る。再び、重みは、ローカル言語モデルの寄与を低減するように設計され得る。この場合、重みは、地理的領域内の位置包含にかかわらず割り当てられ得る。また、重み又は倍率が割り当てられるローカル言語モデルのサブセットを選択する付加的な方法が可能である。

いくつかの構成において、重みは、関連付けられた地理的領域の重心からの距離に基づくことができる。例えば、図５は、重心からの距離に基づく例示的な重み付け方式５００を示す。この例では、位置Ｌ１に対して、３つの地理的領域５０２、５０４及び５０６が選択されている。位置Ｌ１が地理的領域５０２及び５０４内に含まれるが、重みは、対応するローカル言語モデルのそれぞれに割り当てられる。重みｗ１が、地理的領域５０２と関連付けられたローカル言語モデルに割り当てられ、重みｗ２が、地理的領域５０４と関連付けられたローカル言語モデルに割り当てられ、重みｗ３が、地理的領域５０６と関連付けられたローカル言語モデルに割り当てられる。

図５に示された重み付け方式５００を使用すると、位置が重心からより遠い場合に、ローカル言語モデルは、より低い重みが割り当てられ得る。例えば、重みは、重心からの距離に反比例してもよい。これは、位置がより遠い場合に、入力信号がその地理的領域の固有ワードシーケンスと対応する可能性が低い、という考えに基づく。あるいは、重みは、重心からの距離の他の関数であってもよい。例えば、機械学習技術を使用して、最適な関数タイプ及び関数の任意のパラメータを決定することができる。

重みは、また、ローカル言語モデルを構築するために使用されるローカル情報の認知精度に少なくとも部分的に基づいてもよい。例えば、情報が、公文書、電話帳、職業別電話帳リストなどの信頼できるソースから収集された場合、ローカル言語モデルは、ブログなどのあまり信頼できないソースから収集されたものより高い重みが与えられ得る。追加の重み付け方式も可能である。

図４に戻ると、ローカル言語モデルセレクタ２０９は、任意の関連付けられた重みを有する１つ以上のローカル言語モデルを複合言語モデルビルダ２１０に渡すことができる。複合言語モデルビルダ２１０は、例えばグローバル言語モデルデータベース２１４からグローバル言語モデルを取得するように構成され得る。次に、複合言語モデルビルダ２１０はグローバル言語モデル及び１つ以上のローカル言語モデルをマージして複合言語モデルを生成することができ、いくつかの実施形態では、マージが、１つ以上のローカル言語モデルと関連付けられた１つ以上の重みによって影響を受け得る。例えば、図５の位置Ｌ１に基づいて生成された複合言語モデル（ＨＬＭ）は、次のようにマージされ得る。

ＨＬＭ＝ＧＬＭ＋（ｗ１＊ＬＬＭ１）＋（ｗ２＊ＬＬＭ２）＋（ｗ３＊ＬＬＭ３）
ここで、ＧＬＭは、グローバル言語モデルであり、ＬＬＭ１は、地理的領域５０２と関連付けられたローカル言語モデルであり、ＬＬＭ２は、地理的領域５０４と関連付けられたローカル言語モデルであり、ＬＬＭ３は、地理的領域５０６と関連付けられたローカル言語モデルである。

図４で、複合言語モデルビルダ２１０が、複合言語モデルを生成した後、複合言語モデルを認識エンジン２１２に渡すことができる。認識エンジン２１２は、また、通信インタフェース２０８から入力信号を受け取ることができる。認識エンジン２１２は、複合言語モデルを使用して、入力信号に対応するワードシーケンスを生成することができる。前述のように、複合言語モデルは、統計言語モデルであってよい。この場合、認識エンジン２１２は、複合言語モデルを使用して、入力シーケンスに対応する可能性が統計的に最も高いワードシーケンスを識別することができる。

図６は、単一のローカル言語モデルを使用して入力信号を自動認識するための例示的な方法６００を示すフローチャートである。分かり易くするため、この方法は、図２に示されたような例示的な認識システムに関して説明される。図６に特定のステップが示されているが、他の実施形態では、方法は、これより多いか少ないステップを有してもよい。自動入力信号認識プロセス６００が、ステップ６０２で始まり、認識システムが、入力信号を受け取る。いくつかの構成では、入力信号は、音声信号であってよい。認識システムは、また、ＧＰＳ座標、市、郵便番号などの入力信号と関連付けられた位置を受け取ることができる（６０４）。いくつかの構成において、位置は、入力信号と併せて受信され得る。あるいは、位置は、クライアント装置との他の対話によって受信され得る。

認識システムが、入力信号及び関連付けられた位置を受け取ると、認識システムは、位置に基づいてローカル言語モデルを選択することができる（６０６）。いくつかの構成では、認識システムは、位置に適合する地理的領域を最初に識別することによって、ローカル言語モデルを選択することができる。いくつかの例では、地理的領域は、地理的領域内の位置の包含に基づいて識別され得る。あるいは、地理的領域は、地理的領域の重心に対する位置の近さに基づいて選択され得る。複数の地理的領域が等しく選択可能である場合、前述のようなタイブレーカ法を使用することができる。地理的領域が識別された後、対応するローカル言語モデルを選択することができる。いくつかの構成では、ローカル言語モデルは、統計言語モデルであってよい。

次に、選択されたローカル言語モデルをグローバル言語モデルとマージして複合言語モデルを生成することができる（６０８）。いくつかの構成では、マージプロセスは、ローカル言語モデルの重みを組み込むことができる。即ち、ローカル言語モデルが、生成された複合言語モデルにどれだけ影響を及ぼすかを示す重みが、使用されるローカル言語モデルに割り当てられる。割り当てられた重みは、ローカル言語モデルの認知精度及び／又は地理的領域の重心に対する位置の近さなど、様々な因子に基づくことができる。次に、複合言語モデルを使用して、入力信号に対応する可能性が最も高いワードシーケンスを識別することによって、入力信号を認識することができる（６１０）。

図７は、複数のローカル言語モデルを使用して入力信号を自動認識する例示的な方法７００を示すフローチャートである。分かり易くするために、この方法は、図２に示されたような例示的な認識システムに関して説明される。図７に特定のステップを示すが、他の実施形態では、方法は、これより多いか少ないステップを有してもよい。自動入力信号認識プロセス７００は、ステップ７０２で始まり、認識システムが入力信号及び関連付けられた位置を受け取る。いくつかの構成において、入力信号及び関連付けられた位置は、クライアント装置との単一の通信において対で受信され得る。あるいは、入力信号及び関連付けられた位置は、クライアント装置との別個の通信によって受信することができる。

入力信号及び関連付けられた位置を受け取った後で、認識システムは、地理的領域を取得し（７０４）、その位置が、地理的領域内にあるか又は地理的領域の重心の指定しきい値距離以内に含まれるかどうかを確認することができる（７０６）。そのような場合、認識システムは、地理的領域と関連付けられたローカル言語モデルを取得し（７０８）、ローカル言語モデルに重みを割り当てることができる（７１０）。いくつかの構成において、重みは、地理的領域の重心からの位置の距離に基づく。重みは、また、ローカル言語モデルを構築するために使用されるローカル情報の認知精度に少なくとも部分的に基づくことができ、いくつかの構成では、認識システムは、ローカル言語モデルのサブセットだけに重みを割り当てることができる。いくつかの例では、ローカル言語モデルが重みを割り当てられるかどうかは、重みのタイプに基づくことができる。例えば、重みが認知精度に基づく場合、ローカル言語モデルは、認知精度のレベルが指定しきい値より高い場合に、重みを割り当てられないことがある。あるいは、認識システムは、位置がローカル言語モデルと関連付けられた地理的領域外にある場合だけ、距離重みを割り当てるように構成され得る。この場合、距離重みは、位置と地理的領域の重心との間の距離に基づくことができる。次に、認識システムは、ローカル言語モデルとその関連付けられた重みを、１組の選択されたローカル言語モデルに追加することができる（７１２）。

単一の地理的領域を処理した後、認識プロセスは、追加の地理的領域があるかどうかを確認することによって継続することができる（７１４）。そのような場合、ローカル言語モデル選択プロセスは、ステップ７０４で継続することにより繰り返す。位置に対応する全てのローカル言語モデルが識別された後で、認識システムは、１組の選択されたローカル言語モデルをグローバル言語とマージして（７１６）、複合言語モデルを生成することができる。マージは、ローカル言語モデルと関連付けられた重みによる影響を受けることがある。いくつかの例では、あまり信頼できない情報を有しかつ／又はより離れた地理的領域と関連付けられたローカル言語モデルは、生成された複合言語モデルに対する統計的影響が少ないことがある。

次に、認識システムは、複合言語モデルに基づいて入力信号をワードシーケンスに変換することによって、入力信号を認識することができる（７１８）。いくつかの構成において、複合言語モデルは統計言語モデルであり、したがって、入力信号に対応する確率が最も高い複合言語モデル内のワードシーケンスを識別することによって、入力信号を変換することができる。

図８は、位置ベース入力信号認識の例示的なクライアント装置構成を示す。例示的なクライアント装置８０２は、図１の装置１００など、汎用コンピューティング装置に常駐するように構成され得る。クライアント装置８０２は、デスクトップコンピュータ、モバイルコンピュータなどのネットワーク対応コンピューティングデバイス、携帯型通信装置（例えば、携帯電話、スマートフォン、タブレット）、及び／又は任意の他のネットワーク対応通信装置であってよい。

クライアント装置８０２は、入力信号を受け取るように構成され得る。入力信号は、表現するワードシーケンスにマッピングすることができる任意のタイプの信号であってよい。例えば、入力信号は、クライアント装置８０２が、入力音声信号を表わす可能性が統計的に最も高いワードシーケンスを生成することができる音声信号であってよい。あるいは、入力シーケンスは、テキストシーケンスであってよい。この場合、クライアント装置は、受信した入力テキスト信号を完成させるか又は受け取ったテキスト信号と同等である可能性が統計的に最も高いワードシーケンスを生成するように構成され得る。

クライアント装置８０２が入力信号を受け取る方法は、装置の構成及び／又は入力信号のタイプにより変化することができる。例えば、入力信号が音声信号の場合、クライアント装置８０２は、マイクロフォンを介して入力信号を受け取るように構成され得る。あるいは、入力信号がテキスト信号の場合、クライアント装置８０２は、キーボードを介して入力信号を受け取るように構成され得る。入力信号を受け取る追加の方法も可能である。

クライアント装置８０２は、また、クライアント装置の位置を表す位置を受け取ることができる。位置は、緯度及び／又は経度、ＧＰＳ座標、郵便番号、市、州、市外局番などの様々な形式で表わすことができる。クライアント装置８０２が位置を受け取る方法は、装置の構成により変化することができる。例えば、クライアント装置の位置を識別する様々な方法（例えば、ＧＰＳ、三角測量、ＩＰアドレスなど）が可能である。いくつかの例では、クライアント装置８０２は、これらの位置識別技術の１つ以上を備えることができる。更に、いくつかの構成では、クライアント装置のユーザは、クライアント装置８０２の現在位置を表わす郵便番号、市、州及び／又は市外局番などの位置を入力することができる。更に、いくつかの構成では、クライアント装置８０２のユーザは、クライアント装置のデフォルト位置を設定することができ、その結果、デフォルト位置は、常に、現在位置の代わりに提供されるか、クライアント装置が現在位置を決定できないときに提供される。

クライアント装置８０２は１つ以上のローカル言語モデル及び１つのグローバル言語モデルを受信するために、ネットワーク８０４を介して、言語モデル提供者８０６と通信するように構成することができる。上に開示されたように、言語モデルは、入力信号をワードシーケンスに変換するために言語の特性を獲得するために使用され得る任意のモデルであってよい。いくつかの構成では、クライアント装置８０２は、複数の言語モデル提供者と通信することができる。例えば、クライアント装置８０２は、ある言語モデル提供者と通信してグローバル言語モデルを受け取り、別の言語モデル提供者と通信して１つ以上のローカル言語モデルを受け取ることができる。あるいは、クライアント装置８０２は、装置の位置により様々な言語提供者と通信することができる。例えば、クライアント装置８０２が、ある地理的領域から別の地理的領域に移動する場合、クライアント装置は、様々な言語モデル提供者から言語モデルを受け取ることができる。

クライアント装置８０２が、入力信号の認識を容易にする幾つかの構成要素を含むことができる。構成要素は、言語モデル提供者と対話しかつ／又は入力信号を認識するための１つ以上のモジュール（例えば、通信インタフェース８０８、複合言語モデルビルダ８１０、認識エンジン８１２）を含むことができる。当業者は、図８に示された構成が、単に１つの可能な構成であり、これより多いか又は少ない構成要素を有する他の構成も可能であることを理解されたい。

通信インタフェース８０８は、言語モデル提供者８０６と通信して言語モデル提供者８０６に要求を送り、要求した言語モデルを受け取るように構成され得る。前述のように、ローカル言語モデルはそれぞれ、事前定義された地理的領域、即ち地理的領域と関連付けられ得る。地理的領域は、様々な方法で定義することができる。例えば、地理的領域は、郵便番号、市外局番、市、国などの十分に確立した地理的領域に基づくことができる。あるいは、地理的領域は、ユーザの分布に基づいてサービスエリアを複数の地理的領域に分割することなどによって、任意の地理的領域を使用して定義され得る。更に、地理的領域は、重複するか相互排他的であるように定義されてもよい。更に、いくつかの構成では、地理的領域間に隙間があってもよい。

更に、前述のように、各地理的領域は、重心と関連付けられるか、又は重心を含んでもよい。重心は、位置によって定義された地理的領域の事前定義された中心であってよい。重心の位置は、いくつかの異なる方法で選択され得る。例えば、重心の位置は、位置の地理的中心であってよい。あるいは、重心の位置は、市庁舎などの市の中心に基づいて定義され得る。また、重心の位置は、ローカル言語モデルを構築するために使用される情報の集中に基づいてもよい。即ち、情報の大部分が特定の位置のまわりに極度に集中した場合、その位置を重心として選択することができる。また、人口分布など、重心を位置決めする追加の方法が可能である。

いくつかの構成において、クライアント装置８０２は、位置の地理的領域を識別することができる。この場合、クライアント装置８０２が、言語モデル提供者８０６からローカル言語モデルを要求するとき、要求は、地理的領域識別子を含むことができる。あるいは、クライアント装置８０２が、要求と共に位置を送信するように構成されてもよく、言語モデル提供者８０６は、適切な地理的領域を識別することができる。いくつかの構成では、クライアント装置８０２は、ローカル言語モデルと共に重心を受け取ることができる。重心は、ローカル言語モデルと関連付けられた地理的領域の重心であってよい。

いくつかの構成において、受け取ったローカル言語モデルは、関連付けられた重みを有することもできる。重みのタイプは、構成により異なってもよい。例えば、場合によって、重みは、ローカル言語モデルを構築するために使用されたローカル情報の認知精度に少なくとも部分的に基づくことができる。クライアント装置が要求と共に位置を供給したような構成では、重みは、地理的領域の重心からの位置の距離に基づくことができる。あるいは、距離又は近さに基づく重みは、位置と、クライアントが選択した地理的領域と関連付けられた重心若しくはローカル言語モデルと共に受け取られた重心を使用して、クライアント装置によって計算することができる。いくつかの構成では、ローカル言語モデルのサブセットだけに重みが割り当てられる。いくつかの例では、ローカル言語モデルに重みが割り当てられるかどうかは、重みのタイプに基づくことができる。例えば、重みが認知精度に基づく場合、ローカル言語モデルは、認知精度のレベルが指定しきい値より上にある場合に、重みを割り当てられないことがある。あるいは、位置が、ローカル言語モデルと関連付けられた地理的領域外にある場合、ローカル言語には距離重みだけが割り当てられることがある。

通信インタフェース８０８は、受け取ったグローバル言語モデル及び１つ以上のローカル言語モデルを複合言語モデルビルダ８１０に渡すように構成され得る。複合言語モデルビルダ８１０は、グローバル言語モデル及び１つ以上のローカル言語モデルをマージして複合言語モデルを生成するように構成され得る。いくつかの実施形態では、マージは、１つ以上のローカル言語モデルと関連付けられた１つ以上の重みによる影響を受け得る。複合言語モデルビルダ８１０が複合言語モデルを生成した後、複合言語モデルを認識エンジン８１２に渡すことができる。認識エンジンは、複合言語モデルを使用して、入力信号に対応するワードシーケンスを生成することができる。前述のように、複合言語モデルは、統計言語モデルであってよい。この場合、認識エンジン８１２は、複合言語モデルを使用して、入力シーケンスに対応する可能性が統計的に最も高いワードシーケンスを識別することができる。

図９は、入力信号を自動認識する例示的な方法９００を示すフローチャートである。分かりやすくするために、この方法は、図８に示されたような例示的なクライアント装置に関して説明される。特定のステップを図９に示したが、他の実施形態では、方法はこれより多いか少ないステップを有し得る。自動入力信号認識方法９００は、ステップ９０２で始まり、クライアント装置が、入力信号及び関連付けられた位置を受け取る。いくつかの構成において、入力信号は、音声信号であってよい。

クライアント装置が、入力信号及び関連付けられた位置を受け取った後、クライアント装置は、要求に応じて、ローカル言語モデルとグローバル言語モデルを受け取ることができる（９０４）。いくつかの構成では、要求は、位置を含むことができる。あるいは、要求は、クライアント装置が位置に適合すると識別した地理的領域を含むことができる。いくつかの構成では、受け取ったローカル言語モデルは、関連付けられた地理的領域重心を有することができる。

クライアント装置は、また、ローカル言語モデルの要求に応答して、１組の追加のローカル言語を受け取ることができる（９０６）。いくつかの構成では、この要求は、元の要求と別であってもよい。あるいは、クライアント装置は、１組のローカル言語モデルと１つのグローバル言語モデルの単一要求をすることができる。最初に受け取ったローカル言語モデルと同じように、１組の追加のローカル言語モデルのローカル言語モデルはそれぞれ、関連付けられた地理的領域の重心を有することができる。

１つ以上のローカル言語モデルを受け取った後で、クライアント装置は、それぞれのローカル言語モデルの重みを識別することができる（９０８）。いくつかの構成では、言語モデル提供者は、重みを割り当てることができ、したがって、クライアント装置は、重みを検出するだけでよい。しかしながら、他の場合、クライアント装置は、重みを計算することができる。いくつかの構成では、重みは、位置と関連付けられた重心との間の距離に基づくことができる。更に、場合によって、計算された重みは、認知精度の重みなどのローカル言語モデルと既に関連付けられている重みを反映することができる。

次に、１つ以上のローカル言語モデルをグローバル言語モデルとマージして、複合言語モデルを生成することができる（９１０）。いくつかの構成では、マージは、ローカル言語モデルと関連付けられた重みによって影響を受けることがある。例えば、あまり信頼できない情報を有する及び／又はより離れた地理的領域と関連付けられたローカル言語モデルが、生成された複合言語モデルに対して統計的影響をあまり与えないようにすることができる。

統計言語モデルを使用すると、クライアント装置は、入力信号に対応する可能性がある１組のワードシーケンスを識別することができる（９１２）。いくつかの構成では、複合言語モデルは、統計言語モデルであり、したがって、可能性があるワードシーケンスはそれぞれ、関連付けられた出現確率を有することができる。この場合、クライアント装置は、出現確率が最も高いワードシーケンスを選択することによって、入力信号を認識することができる（９１４）。

いくつかの実施によれば、図１０は、前述のように本発明の原理に従って構成された電子装置１０００の機能ブロック図を示す。この装置の機能ブロックは、本発明の原理を実行するためにハードウェア、ソフトウェア、又はハードウェアとソフトウェアとの組み合わせにより実施することができる。当業者によれば、図１０に述べられる機能ブロックは、上記に述べたような本発明の原理を実施するために組み合わせるか、又はサブブロックに分割することができる。したがって、本明細書における説明は、あらゆる可能な組み合わせ若しくは分割、又は本明細書に述べられる更なる機能ブロックの定義を支持しうるものである。

図１０に示されたように、電子装置１０００は処理ユニット１００６に結合された入力受信ユニット１００２を含む。いくつかの実施態様では、処理ユニット１００６は、言語モデル選択ユニット１００８、言語モデルマージユニット１０１０、入力信号認識ユニット１０１２、及び言語モデル重み付けユニット１０１４を含む。

入力受信ユニット１００２は、入力信号と、入力信号と関連付けられた位置とを受信するように構成される。いくつかの実施態様では、入力信号は、音声信号である。

処理ユニット１００６は、位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択し（例えば、言語モデル選択ユニット１００８によって）、第１のローカル言語モデルとグローバル言語モデルをマージして複合言語モデルを生成し（例えば、言語モデルマージユニット１０１０によって）、入力信号に対応する可能性が統計的に最も高くかつ／又は入力信号に対応する確率が最も高いワードシーケンスを識別することによって複合言語モデルに基づいて入力信号を認識する（例えば、入力信号認識ユニット１０１２によって）ように構成される。

いくつかの実施態様では、第１のローカル言語モデルは、位置と関連付けられる地理的領域にマッピングされ、その地理的領域は重心を含む。いくつかの実施態様では、位置は地理的領域内に含まれている。いくつかの実施態様では、位置が重心の指定しきい値距離内にある。いくつかの実施態様では、地理的領域は確立された地理的位置によって定義される。

いくつかの実施態様では、処理ユニット１００６は、更に、位置に基づいて複数のローカル言語モデルから第２のローカル言語モデルを選択し（例えば、言語モデル選択ユニット１００８によって）、第１のローカル言語モデル、第２のローカル言語モデル及びグローバル言語モデルをマージして、複合言語モデルを生成する（例えば、言語モデルマージユニット１０１０によって）ように構成される。

いくつかの実施態様において、処理ユニット１００６は、更に、第１の重み値（及び／又は倍率）を第１のローカル言語モデルに割り当て、第２の重み値（及び／又は倍率）を第２のローカル言語モデルに割り当てて、その後で、第１のローカル言語モデル、第２のローカル言語モデル、及びグローバル言語モデル（例えば、言語モデル重み付けユニット１０１４）をマージするように構成される。いくつかの実施態様において、第１又は第２の重み値（及び／又は倍率）の少なくとも一方が、選択された地理的領域内に含まれる重心から位置までの距離に少なくとも部分的に基づく。いくつかの実施態様では、第１又は第２の重み値（及び／又は倍率）の少なくとも一方は、ローカル言語モデルに割り当てられた精度レベルに少なくとも部分的に基づく。

いくつかの実施態様では、位置がその位置と関連付けられた地理的領域外にあるとき、第１又は第２の重み値（及び／又は倍率）の少なくとも一方が、第１又は第２のローカル言語モデルにそれぞれ適用される。

いくつかの実施態様では、第１のローカル言語モデルは、ローカル道路名、ローカル近隣名、ローカル事業名、ローカルランドマーク名、及びローカルアトラクション名のうちの少なくとも１つを含む。いくつかの実施態様では、第１及び第２のローカル言語の少なくとも１つは、統計言語モデルであり、統計言語モデルは、ローカル電話帳、ローカル職業別電話帳、ローカル紙、ローカル地図、ローカル広告、及びローカルブログのうちの少なくとも１つを使用して構築される。

本開示の範囲内の実施形態は、また、記憶されたコンピュータ実行可能命令若しくはデータ構造を保持又は有する有形の及び／若しくは永続的コンピュータ可読記憶媒体を含んでもよい。そのような永続的コンピュータ可読記憶媒体は、前述のような任意の専用プロセッサの機能設計を含む、汎用又は専用コンピュータがアクセスできる任意の利用可能な媒体であってよい。一例として、また限定するものではなく、そのような永続的コンピュータ可読媒体には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、又は他の光ディスク記憶装置、磁気ディスク記憶装置若しくは他の磁気記憶装置、又はコンピュータ実行可能命令、データ構造、又はプロセッサチップ設計の形で所望のプログラムコード手段を保持又は記憶するために使用することができる、その他任意の媒体が挙げられる。情報が、ネットワーク又は通信接続（有線、無線、又はこれらの組み合わせ）を介してコンピュータに転送又は提供されるとき、コンピュータは、その接続をコンピュータ可読媒体と見なすことは適切である。したがって、任意のそのような接続は、コンピュータ可読媒体と呼ばれることが適切である。上記の組み合わせもまた、コンピュータ可読媒体の範囲内に包含されなければならない。

コンピュータ実行可能命令は、例えば、汎用コンピュータ、専用コンピュータ、又は専用処理装置に特定の機能若しくは機能群を実行させる命令及びデータを含む。コンピュータ実行可能命令は、また、コンピュータによってスタンドアロン又はネットワーク環境で実行されるプログラムモジュールを含む。一般に、プログラムモジュールは、特定のタスクを実行するか特定の抽象データ型を実装する、専用プロセッサなどの設計に固有のルーチン、プログラム、コンポーネント、データ構造、オブジェクト、及び関数を含む。コンピュータ実行可能命令、関連データ構造、及びプログラムモジュールは、本明細書に開示された方法のステップを実行するためのプログラムコード手段の例を表わす。そのような実行可能命令の特定のシーケンス又は関連したデータ構造は、これらのステップで述べられた機能を実装するための対応する操作の例を表わす。

当業者は、本開示のその他の実施形態が、パーソナルコンピュータ、ハンドヘルド装置、マルチプロセッサシステム、マイクロプロセサベースの又はプログラム可能な民生電子装置、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータなどを含む、多くのタイプのコンピュータシステム構成を含むネットワークコンピューティング環境で実施されてもよいことを理解するであろう。実施形態は、また、通信ネットワーク経由で（有線接続、無線接続、又はこれらの組み合わせによって）結合されたローカル及びリモート処理装置によってタスクが実行される分散コンピューティング環境で実施されてもよい。分散コンピューティング環境では、プログラムモジュールは、ローカルとリモートの両方の記憶装置に配置されてもよい。

以上述べた様々な実施形態は、説明のためにのみ提供され、開示の範囲を限定するように解釈されるべきでない。当業者は、本明細書に示され説明された例示的な実施形態及び用途に従うことなく、開示の趣旨及び範囲から逸脱することなく、本明細書で述べた原理にしたがって行われ得る様々な修正及び変更を容易に理解するであろう。

Claims (44)

1. 入力信号認識のためにコンピュータにより実行される方法であって、
   入力信号と、前記入力信号と関連付けられた位置とを受け取ることと、
   前記位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択することと、
   プロセッサによって、前記第１のローカル言語モデルとグローバル言語モデルをマージして複合言語モデルを生成することと、
   前記入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって、前記複合言語モデルに基づいて前記入力信号を認識することと、を含む方法。
2. 前記入力信号が音声信号である、請求項１に記載の方法。
3. 前記第１のローカル言語モデルが、前記位置と関連付けられた地理的領域にマッピングされ、前記地理的領域が重心を含む、請求項１又は２に記載の方法。
4. 前記位置が、前記地理的領域内に含まれる、請求項３に記載の方法。
5. 前記位置が、前記重心から指定しきい値距離内にある、請求項３又は４に記載の方法。
6. 前記位置に基づいて前記複数のローカル言語モデルから第２のローカル言語モデルを選択することと、
   前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージして前記複合言語モデルを生成することと、を更に含む、請求項１〜５のいずれか一項に記載の方法。
7. 前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージする前に、第１の重み値を前記第１のローカル言語モデルに割り当て、第２の重み値を前記第２のローカル言語モデルに割り当てることを更に含む、請求項６に記載の方法。
8. 前記第１又は第２の重み値の少なくとも一方が、選択された地理的領域内に含まれる重心から前記位置までの距離に少なくとも部分的に基づく、請求項７に記載の方法。
9. 前記第１又は第２の重み値の少なくとも一方が、ローカル言語モデルに割り当てられた精度レベルに少なくとも部分的に基づく、請求項７又は８に記載の方法。
10. 前記第１のローカル言語モデルが、ローカル道路名、ローカル近隣名、ローカル事業名、ローカルランドマーク名、及びローカルアトラクション名のうちの少なくとも１つを含む、請求項１〜９のいずれか一項に記載の方法。
11. 前記地理的領域が、確立された地理的位置によって定義される、請求項３に記載の方法。
12. 入力信号認識のためのシステムであって、
    サーバと、
    前記サーバで、入力信号と、前記入力信号と関連付けられた位置とを受け取ることと、
    前記位置に対応する第１のローカル言語モデルをグローバル言語モデルに合体することによって複合言語モデルを生成することと、
    前記複合言語モデルを使用して前記入力信号に対応する最も高い確率を有するワードシーケンスを選択することと、を備えるシステム。
13. 前記第１のローカル言語モデルが、重心を有する地理的領域を通じて前記位置に対応する、請求項１２に記載のシステム。
14. 同じく前記位置に対応する第２のローカル言語モデルを前記グローバル言語モデルに合体し前記複合言語モデルを生成することを更に備える、請求項１２〜１３のいずれか一項に記載のシステム。
15. 前記第１のローカル言語モデルと前記第２のローカル言語モデルを前記グローバル言語モデルに合体する前に、第１の倍率を前記第１のローカル言語モデルに割り当て、第２の倍率を前記第２のローカル言語モデルに割り当てることと、
    前記第１のローカル言語モデルと前記第２のローカル言語モデルを前記グローバル言語モデルに、前記それぞれの第１と第２の倍率に基づいて合体させることによって複合言語モデルを生成することとを更に備える、請求項１４に記載のシステム。
16. 前記位置が、前記言語モデルと関連付けられた地理的領域外にあるときに、前記第１又は第２のローカル言語モデルの少なくとも一方に倍率が適用される、請求項１５に記載のシステム。
17. 前記位置が、前記地理的領域内に含まれる、請求項１３〜１５のいずれか一項に記載のシステム。
18. 前記位置が、前記重心から指定しきい値距離内にある、請求項１３〜１７のいずれか一項に記載のシステム。
19. コンピューティング装置によって実行されたとき、前記コンピューティング装置に入力信号を認識させる命令を記憶する永続的コンピュータ可読記憶媒体であって、前記命令が、
    入力信号と、前記入力信号と関連付けられた位置とを受け取ることと、
    前記位置に基づく第１のローカル言語モデルと、グローバル言語モデルとを取得することと、
    前記第１のローカル言語モデルと前記グローバル言語モデルをマージすることによって複合言語モデルを生成することと、
    前記入力信号に対して、関連付けられた出現確率をそれぞれ有する１組の可能性があるワードシーケンスを識別し、最も高い確率を有する前記ワードシーケンスを選択することによって、入力信号を認識することと、を含む、永続的コンピュータ可読記憶媒体。
20. 前記命令が、前記位置に基づいて第２のローカル言語モデルを取得する命令と、前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージして前記複合言語モデルを生成する命令と、を更に含む、請求項１９に記載の永続的コンピュータ可読記憶媒体。
21. 前記命令が、
    前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージする前に、前記第１のローカル言語モデルに第１の重みを割り当て、前記第２のローカル言語モデルに第２の重みを割り当てる命令と、
    前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージすることによって前記複合言語モデルを生成する命令であって、前記マージが前記第１及び第２の重みによる影響を受ける命令と、を更に含む、請求項２０に記載の永続的コンピュータ可読記憶媒体。
22. 前記第１のローカル言語モデルが、事前定義された地理的領域と関連付けられ、前記地理的領域が重心を含む、請求項１９〜２１のいずれか一項に記載の永続的コンピュータ可読記憶媒体。
23. 前記位置が、前記第１のローカル言語モデルと関連付けられた前記地理的領域内に含まれる、請求項２２に記載の永続的コンピュータ可読記憶媒体。
24. 前記位置が、前記第１のローカル言語モデルと関連付けられた前記地理的領域内に含まれる前記重心から指定しきい値距離内にある、請求項２２〜２３のいずれか一項に記載の永続的コンピュータ可読記憶媒体。
25. 前記第１及び第２のローカル言語モデルの少なくとも一方が、統計言語モデルであり、前記統計言語モデルが、ローカル電話帳、ローカル職業別電話帳リスト、ローカル紙、ローカル地図、ローカル広告、及びローカルブログのうちの少なくとも１つを使用して構築される、請求項２０〜２４のいずれか一項に記載の永続的コンピュータ可読記憶媒体。
26. 入力信号と、前記入力信号と関連付けられた位置とを受け取るように構成された入力受信ユニットと、
    前記入力受信ユニットに結合されるように構成された処理ユニットであって、前記処理ユニットが、
    前記位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択し、
    前記第１のローカル言語モデルとグローバル言語モデルをマージして複合言語モデルを生成し、
    前記入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって、前記複合言語モデルに基づいて前記入力信号を認識するように構成された、処理ユニットと、を備える電子装置。
27. 前記入力信号が、音声信号である、請求項２６に記載の電子装置。
28. 前記第１のローカル言語モデルが、前記位置と関連付けられた重心を含む地理的領域にマッピングされる、請求項２６〜２７のいずれか一項に記載の電子装置。
29. 前記位置が、前記地理的領域内に含まれる、請求項２８に記載の電子装置。
30. 前記位置が、前記重心から指定しきい値距離内にある、請求項２８〜２９のいずれか一項に記載の電子装置。
31. 前記処理ユニットが、
    前記位置に基づいて前記複数のローカル言語モデルから第２のローカル言語モデルを選択し、
    前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージして前記複合言語モデルを生成するように、更に構成された、請求項２８〜３０のいずれか一項に記載の電子装置。
32. 前記処理ユニットが、前記第１のローカル言語モデル、前記第２のローカル言語モデル及び前記グローバル言語モデルをマージする前に、前記第１のローカル言語モデルに第１の重み値を割り当て、前記第２のローカル言語モデルに第２の重み値を割り当てるように、更に構成された、請求項３１に記載の電子装置。
33. 前記第１又は第２の重み値の少なくとも一方が、前記地理的領域内に含まれる重心から前記位置までの距離に少なくとも部分的に基づく、請求項３２に記載の電子装置。
34. 前記第１又は第２の重み値の少なくとも一方が、ローカル言語モデルに割り当てられた精度レベルに少なくとも部分的に基づく、請求項３２〜３３のいずれか一項に記載の電子装置。
35. 前記第１のローカル言語モデルが、ローカル道路名、ローカル近隣名、ローカル事業名、ローカルランドマーク名及びローカルアトラクション名のうちの少なくとも１つを含む、請求項２８〜３４のいずれか一項に記載の電子装置。
36. 前記地理的領域が、確立された地理的位置によって定義された、請求項２８〜３５のいずれか一項に記載の電子装置。
37. 前記位置が、前記地理的領域外にあるとき、前記第１又は第２の重み値の少なくとも一方が、前記第１又は第２のローカル言語モデルにそれぞれ適用される、請求項３２〜３６のいずれか一項に記載の電子装置。
38. 前記第１及び第２のローカル言語モデルの少なくとも１つが、統計言語モデルであり、前記統計言語モデルが、ローカル電話帳、ローカル職業別電話帳リスト、ローカル紙、ローカル地図、ローカル広告、及びローカルブログのうちの少なくとも１つを使用して構築される、請求項３１〜３７のいずれか一項に記載の電子装置。
39. 入力信号と、前記入力信号と関連付けられた位置とを受け取る手段と、
    前記位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択する手段と、
    プロセッサによって、前記第１のローカル言語モデルとグローバル言語モデルをマージして複合言語モデルを生成する手段と、
    前記入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって、前記複合言語モデルに基づいて前記入力信号を認識する手段と、を含む電子装置。
40. 電子装置に使用するための情報処理装置であって、
    入力信号と、前記入力信号と関連付けられた位置とを受け取るための手段と、
    前記位置に基づいて複数のローカル言語モデルから第１の言語モデルを選択する手段と、
    複合言語モデルを生成するために、プロセッサによって、前記第１のローカル言語モデルとグローバル言語モデルをマージする手段と、
    前記入力信号に対応する可能性が統計的に最も高いワードシーケンスを識別することによって、前記複合言語モデルに基づいて前記入力信号を認識する手段と、を含む情報処理装置。
41. １つ以上のプロセッサと、請求項１〜１１に記載の方法のいずれかを実行するための命令を含む、前記１つ以上のプロセッサにより実行されるための１つ以上のプログラムを記憶したメモリと、を備える、電子装置。
42. 請求項１〜１１に記載の方法のいずれかを実行するための手段を備える、電子装置。
43. 請求項１〜１１に記載の方法のいずれかを実行するための手段を備える、電子装置において使用するための情報処理装置。
44. １つ以上のプロセッサにより実行されるための１つ以上のプログラムを記憶する永続的コンピュータ可読記憶媒体であって、前記１つ以上のプログラムが、請求項１〜１１に記載の方法のいずれかを実行するための命令を含む、コンピュータ可読記憶媒体。

Images