JP3027543B2 - 連続音声認識装置 - Google Patents
連続音声認識装置Info
- Publication number
- JP3027543B2 JP3027543B2 JP8330679A JP33067996A JP3027543B2 JP 3027543 B2 JP3027543 B2 JP 3027543B2 JP 8330679 A JP8330679 A JP 8330679A JP 33067996 A JP33067996 A JP 33067996A JP 3027543 B2 JP3027543 B2 JP 3027543B2
- Authority
- JP
- Japan
- Prior art keywords
- speech recognition
- speech
- rule
- symbol
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Description
【０００１】
【発明の属する技術分野】本発明は、連続音声認識装置
に関し、特に、単一又は複数の文節、あるいは単一又は
複数の単語からなる発話音声を効率的に音声認識する連
続音声認識装置に関する。本明細書において、単語及び
形態素を「語」という。
に関し、特に、単一又は複数の文節、あるいは単一又は
複数の単語からなる発話音声を効率的に音声認識する連
続音声認識装置に関する。本明細書において、単語及び
形態素を「語」という。
【０００２】
【従来の技術】従来の連続音声認識装置として、例え
ば、音素コンテキスト依存ＬＲパーザにより、逐次状態
分割法（Successive State Splitting：ＳＳＳ）で自動
生成された隠れマルコフ網（以下、ＨＭ網という。）を
駆動して音声認識処理を実行する装置（以下、従来例と
いう。）が、従来技術文献１「永井明人ほか，“逐次状
態分割法（ＳＳＳ）と音素コンテキスト依存ＬＲパーザ
を統合したＳＳＳ−ＬＲ連続音声認識システム”，電子
情報通信学会技術報告，ＳＰ９２−３３，ｐｐ．６９−
７６，３５５−１９９２年」において開示されている。
この連続音声認識装置は、音素継続時間を制御するため
に、逐次状態分割法を用いてＨＭ網とは独立に生成した
音素コンテキスト依存の音素継続時間モデルを使用する
ことを特徴とし、より高い認識率を有し高速で処理する
ことができたことが上記従来技術文献１において報告さ
れている。
ば、音素コンテキスト依存ＬＲパーザにより、逐次状態
分割法（Successive State Splitting：ＳＳＳ）で自動
生成された隠れマルコフ網（以下、ＨＭ網という。）を
駆動して音声認識処理を実行する装置（以下、従来例と
いう。）が、従来技術文献１「永井明人ほか，“逐次状
態分割法（ＳＳＳ）と音素コンテキスト依存ＬＲパーザ
を統合したＳＳＳ−ＬＲ連続音声認識システム”，電子
情報通信学会技術報告，ＳＰ９２−３３，ｐｐ．６９−
７６，３５５−１９９２年」において開示されている。
この連続音声認識装置は、音素継続時間を制御するため
に、逐次状態分割法を用いてＨＭ網とは独立に生成した
音素コンテキスト依存の音素継続時間モデルを使用する
ことを特徴とし、より高い認識率を有し高速で処理する
ことができたことが上記従来技術文献１において報告さ
れている。
【０００３】上記従来技術文献１において開示された連
続音声認識装置において、音素環境依存の精密な音素モ
デルを利用すると、音素モデルの連接可能性を実行時に
調べながら、音声認識の処理を進めなければならず、音
声認識処理の効率がきわめて悪いという問題点があっ
た。しかも、単語又は文節の境界において、後に実行さ
れる還元（reduce）処理の時点で棄却されるにもかかわ
らず、音素照合時には接続可能とみなされてしまう異音
モデルの数が増大してしまい、処理時間が増大するとと
もに、認識率が大幅に低下していた。
続音声認識装置において、音素環境依存の精密な音素モ
デルを利用すると、音素モデルの連接可能性を実行時に
調べながら、音声認識の処理を進めなければならず、音
声認識処理の効率がきわめて悪いという問題点があっ
た。しかも、単語又は文節の境界において、後に実行さ
れる還元（reduce）処理の時点で棄却されるにもかかわ
らず、音素照合時には接続可能とみなされてしまう異音
モデルの数が増大してしまい、処理時間が増大するとと
もに、認識率が大幅に低下していた。
【０００４】上記の問題点を解決するために、本発明者
は、特願平０７−０８８０４１号の特許出願（特開平０
８−２８６６９４号公報で出願公開済み。）において、
「入力される発声音声に基づいて所定の隠れマルコフモ
デル（ＨＭＭ）を参照して音素認識し、かつ所定のＬＲ
構文解析テーブルを参照して構文解析することにより、
上記発声音声を音声認識する音声認識手段を備えた連続
音声認識装置において、音素間の接続関係を示す所定の
異音規則に基づいて、上記ＬＲ構文解析テーブルにおい
て単語内及び単語間における音素の連接の可能性がない
部分を削除して最適化されたＬＲ構文解析テーブルを出
力する最適化処理手段を備え、上記音声認識手段は、上
記最適化されたＬＲ構文解析テーブルを参照して構文解
析することにより、上記発声音声を音声認識することを
特徴とする連続音声認識装置。」（以下、第１の従来例
という。）を提案している。第１の従来例の連続音声認
識装置においては、具体的には、単語間のすべての連接
可能性を調べ尽くしたＬＲ構文解析テーブル（以下、Ｌ
Ｒテーブルという。）を予め用意することによって、上
記の問題点を解決している。
は、特願平０７−０８８０４１号の特許出願（特開平０
８−２８６６９４号公報で出願公開済み。）において、
「入力される発声音声に基づいて所定の隠れマルコフモ
デル（ＨＭＭ）を参照して音素認識し、かつ所定のＬＲ
構文解析テーブルを参照して構文解析することにより、
上記発声音声を音声認識する音声認識手段を備えた連続
音声認識装置において、音素間の接続関係を示す所定の
異音規則に基づいて、上記ＬＲ構文解析テーブルにおい
て単語内及び単語間における音素の連接の可能性がない
部分を削除して最適化されたＬＲ構文解析テーブルを出
力する最適化処理手段を備え、上記音声認識手段は、上
記最適化されたＬＲ構文解析テーブルを参照して構文解
析することにより、上記発声音声を音声認識することを
特徴とする連続音声認識装置。」（以下、第１の従来例
という。）を提案している。第１の従来例の連続音声認
識装置においては、具体的には、単語間のすべての連接
可能性を調べ尽くしたＬＲ構文解析テーブル（以下、Ｌ
Ｒテーブルという。）を予め用意することによって、上
記の問題点を解決している。
【０００５】また、本発明者は、文脈自由文法形式の統
語的な制約を用いて、部分木系列をスコア付きの仮説と
して出力する、音声パーザの検討を行っており、自然な
発話を扱うために、文法は部分木を単位として記述する
ことを、従来技術文献２「竹沢寿幸ほか，“自然発話の
言語現象と音声認識用日本語文法”，情報処理学会研究
報告，９５−ＳＬＰ−６−５，１９９５年」（以下、第
２の従来例という。）において提案している。この第２
の従来例においては、例えば、「それでは、鈴木和子
様」という発話があった場合、仮に「それでは」と「鈴
木和子様」の二つの文節に分けたとしても、断片的な発
話なので、文としての構造を持っているとは必ずしも言
えない。このような背景から、部分的な構造を表現する
ことが必要となり、本発明者はそれを部分木と名付けて
いる。このアプローチの考え方は、まず部分木に基づく
文法を採用することで、文法の被覆率を高め、音声認識
部から出力される構造を、音声翻訳や音声対話システム
の言語処理部で利用することにより、全体として効率的
な音声言語統合処理を実現している。
語的な制約を用いて、部分木系列をスコア付きの仮説と
して出力する、音声パーザの検討を行っており、自然な
発話を扱うために、文法は部分木を単位として記述する
ことを、従来技術文献２「竹沢寿幸ほか，“自然発話の
言語現象と音声認識用日本語文法”，情報処理学会研究
報告，９５−ＳＬＰ−６−５，１９９５年」（以下、第
２の従来例という。）において提案している。この第２
の従来例においては、例えば、「それでは、鈴木和子
様」という発話があった場合、仮に「それでは」と「鈴
木和子様」の二つの文節に分けたとしても、断片的な発
話なので、文としての構造を持っているとは必ずしも言
えない。このような背景から、部分的な構造を表現する
ことが必要となり、本発明者はそれを部分木と名付けて
いる。このアプローチの考え方は、まず部分木に基づく
文法を採用することで、文法の被覆率を高め、音声認識
部から出力される構造を、音声翻訳や音声対話システム
の言語処理部で利用することにより、全体として効率的
な音声言語統合処理を実現している。
【０００６】
【発明が解決しようとする課題】しかしながら、第１と
第２の従来例の音声認識装置においては、いまだ処理時
間は比較的長く、認識率は比較的低いという問題点があ
った。
第２の従来例の音声認識装置においては、いまだ処理時
間は比較的長く、認識率は比較的低いという問題点があ
った。
【０００７】本発明の目的は以上の問題点を解決し、従
来例に比較して処理時間を短縮することができるととも
に、認識率を改善することができる連続音声認識装置を
提供することにある。
来例に比較して処理時間を短縮することができるととも
に、認識率を改善することができる連続音声認識装置を
提供することにある。
【０００８】
【課題を解決するための手段】本発明に係る請求項１記
載の連続音声認識装置は、入力される自由発話の発声音
声文の音声信号に基づいて音声認識する音声認識手段を
備えた連続音声認識装置において、上記音声認識手段
は、上記音声信号に基づいて所定の隠れマルコフモデル
を参照して音素認識し、かつ、所定の文脈自由文法規則
に基づいて生成された第１のＬＲ構文解析テーブルと、
所定の語彙規則に基づいて生成された第２のＬＲ構文解
析テーブルと、上記文脈自由文法規則に基づいて生成さ
れた、上記文脈自由文法規則で書き換えたときの末端の
要素を示す終端記号の１つ手前の記号である前終端記号
のバイグラムを含む統計的言語モデルとを参照して構文
解析することにより、上記発声音声文を音声認識するこ
とを特徴とする。
載の連続音声認識装置は、入力される自由発話の発声音
声文の音声信号に基づいて音声認識する音声認識手段を
備えた連続音声認識装置において、上記音声認識手段
は、上記音声信号に基づいて所定の隠れマルコフモデル
を参照して音素認識し、かつ、所定の文脈自由文法規則
に基づいて生成された第１のＬＲ構文解析テーブルと、
所定の語彙規則に基づいて生成された第２のＬＲ構文解
析テーブルと、上記文脈自由文法規則に基づいて生成さ
れた、上記文脈自由文法規則で書き換えたときの末端の
要素を示す終端記号の１つ手前の記号である前終端記号
のバイグラムを含む統計的言語モデルとを参照して構文
解析することにより、上記発声音声文を音声認識するこ
とを特徴とする。
【０００９】また、請求項２記載の連続音声認識装置
は、請求項１記載の連続音声認識装置において、上記語
彙規則に対して開始記号から前終端記号への規則を追加
した後、第２のＬＲ構文解析テーブルの各状態と、各状
態の要素の命令内容を決定することにより、上記第２の
ＬＲ構文解析テーブルを生成する生成手段をさらに備え
たことを特徴とする。
は、請求項１記載の連続音声認識装置において、上記語
彙規則に対して開始記号から前終端記号への規則を追加
した後、第２のＬＲ構文解析テーブルの各状態と、各状
態の要素の命令内容を決定することにより、上記第２の
ＬＲ構文解析テーブルを生成する生成手段をさらに備え
たことを特徴とする。
【００１０】さらに、請求項３記載の連続音声認識装置
は、請求項１又は２記載の連続音声認識装置において、
上記音声認識手段は、上記隠れマルコフモデルに基づい
た音響スコアと、上記第１と第２のＬＲ構文解析テーブ
ルと上記統計的言語モデルとに基づいた言語スコアとに
基づいて音声認識のための尤度スコアを計算し、所定の
しきい値を用いてビーム探索により音声認識結果を決定
することを特徴とする。
は、請求項１又は２記載の連続音声認識装置において、
上記音声認識手段は、上記隠れマルコフモデルに基づい
た音響スコアと、上記第１と第２のＬＲ構文解析テーブ
ルと上記統計的言語モデルとに基づいた言語スコアとに
基づいて音声認識のための尤度スコアを計算し、所定の
しきい値を用いてビーム探索により音声認識結果を決定
することを特徴とする。
【００１１】またさらに、請求項４記載の連続音声認識
装置は、請求項３記載の連続音声認識装置において、上
記音声認識手段は、上記音響スコアの対数値と、上記言
語スコアの対数値に所定の重み係数を乗算した値とを加
算した値を尤度スコアとして計算することを特徴とす
る。
装置は、請求項３記載の連続音声認識装置において、上
記音声認識手段は、上記音響スコアの対数値と、上記言
語スコアの対数値に所定の重み係数を乗算した値とを加
算した値を尤度スコアとして計算することを特徴とす
る。
【００１２】
【発明の実施の形態】以下、図面を参照して本発明に係
る実施形態について説明する。
る実施形態について説明する。
【００１３】図１に本発明に係る一実施形態の連続音声
認識装置を示す。図１に示すように、この連続音声認識
装置は、大きく分けて、 （ａ）自由発話音声の音声信号の特徴パラメータに基づ
いて、隠れマルコフ網メモリ（以下、ＨＭ網メモリとい
う。）１０に記憶された隠れマルコフ網（以下、ＨＭ網
という。）を参照して音素照合を行い、音響モデルに基
づく音声認識スコアを出力する音素照合部４と、 （ｂ）一般化されたＬＲ構文解析部（以下、ＧＬＲパー
ザという。）５とを備え、ＧＬＲパーザ５は、（ｂ−
１）文脈自由文法規則メモリ（以下、ＣＦＧルールメモ
リという。）３１に記憶された文脈自由文法規則（以
下、ＣＦＧルールという。）に基づいて第１のＬＲテー
ブル生成部２１によって生成されてＣＦＧルールＬＲテ
ーブルメモリ（以下、第１のＬＲテーブルメモリとい
う。）１１に記憶されたＣＦＧルールＬＲテーブル（以
下、第１のＬＲテーブルという。）と、（ｂ−２）語彙
規則メモリ３２に記憶された語彙規則に基づいて第２の
ＬＲテーブル生成部２２によって生成されて語彙規則Ｌ
Ｒテーブルメモリ（以下、第２のＬＲテーブルメモリと
いう。）１２に記憶された語彙規則ＬＲテーブル（以
下、第２のＬＲテーブルという。）と、（ｂ−３）ＣＦ
Ｇルールメモリ３１に記憶されたＣＦＧルールに基づい
て統計的言語モデル生成部２３によって生成されて統計
的言語モデルメモリ１３に記憶された、前終端記号のバ
イグラムを含む統計的言語モデルと、を参照して、ＬＲ
構文解析処理を含む音声認識処理を実行して音声認識結
果データを出力することを特徴としている。ここで、
「終端記号」とは、ＣＦＧルールで書き換えたときの末
端の要素、具体的には、構文木の葉（リーフ）の音素又
は単語を示す記号である。
認識装置を示す。図１に示すように、この連続音声認識
装置は、大きく分けて、 （ａ）自由発話音声の音声信号の特徴パラメータに基づ
いて、隠れマルコフ網メモリ（以下、ＨＭ網メモリとい
う。）１０に記憶された隠れマルコフ網（以下、ＨＭ網
という。）を参照して音素照合を行い、音響モデルに基
づく音声認識スコアを出力する音素照合部４と、 （ｂ）一般化されたＬＲ構文解析部（以下、ＧＬＲパー
ザという。）５とを備え、ＧＬＲパーザ５は、（ｂ−
１）文脈自由文法規則メモリ（以下、ＣＦＧルールメモ
リという。）３１に記憶された文脈自由文法規則（以
下、ＣＦＧルールという。）に基づいて第１のＬＲテー
ブル生成部２１によって生成されてＣＦＧルールＬＲテ
ーブルメモリ（以下、第１のＬＲテーブルメモリとい
う。）１１に記憶されたＣＦＧルールＬＲテーブル（以
下、第１のＬＲテーブルという。）と、（ｂ−２）語彙
規則メモリ３２に記憶された語彙規則に基づいて第２の
ＬＲテーブル生成部２２によって生成されて語彙規則Ｌ
Ｒテーブルメモリ（以下、第２のＬＲテーブルメモリと
いう。）１２に記憶された語彙規則ＬＲテーブル（以
下、第２のＬＲテーブルという。）と、（ｂ−３）ＣＦ
Ｇルールメモリ３１に記憶されたＣＦＧルールに基づい
て統計的言語モデル生成部２３によって生成されて統計
的言語モデルメモリ１３に記憶された、前終端記号のバ
イグラムを含む統計的言語モデルと、を参照して、ＬＲ
構文解析処理を含む音声認識処理を実行して音声認識結
果データを出力することを特徴としている。ここで、
「終端記号」とは、ＣＦＧルールで書き換えたときの末
端の要素、具体的には、構文木の葉（リーフ）の音素又
は単語を示す記号である。
【００１４】本実施形態においては、前終端記号バイグ
ラムの評価を予測的に行うために、ＧＬＲパーザ５にお
ける辞書引きの実装方法を変更するとともに、ビーム探
索の枝刈りの条件と、スコアの計算式を改良している。
ＬＲテーブルを用いる音声認識装置においては、先読み
した語の代わりに、その語の品詞を先読み情報として用
いる。これを、終端記号以外の記号を示す非終端記号と
区別するために、終端記号の１つ手前の記号であるとい
う意味で、前終端記号（preterminal）といい、＜ｐｒ
ｅｔｅｒｍ＞で表わす。また、非終端記号から品詞を除
いたものを純非終端記号と定義する。
ラムの評価を予測的に行うために、ＧＬＲパーザ５にお
ける辞書引きの実装方法を変更するとともに、ビーム探
索の枝刈りの条件と、スコアの計算式を改良している。
ＬＲテーブルを用いる音声認識装置においては、先読み
した語の代わりに、その語の品詞を先読み情報として用
いる。これを、終端記号以外の記号を示す非終端記号と
区別するために、終端記号の１つ手前の記号であるとい
う意味で、前終端記号（preterminal）といい、＜ｐｒ
ｅｔｅｒｍ＞で表わす。また、非終端記号から品詞を除
いたものを純非終端記号と定義する。
【００１５】例えば、前終端記号バイグラムを利用する
場合の言語スコアは予測された音素系列の文法履歴か
ら、
場合の言語スコアは予測された音素系列の文法履歴か
ら、
【数１】（＜前終端記号＞→終端記号） という形式の構文規則を取り出して計算することが考え
られる。つまり、予測された音素系列の中で確定した語
についての言語スコアを計算することが考えられる。前
終端記号バイグラムの評価を語候補が確定する前に行う
ほうが効率的な探索が実現できると期待できる。以上の
実現方法による装置を、以下、比較例という。しかしな
がら、語彙項目と構文規則を一緒にしてＬＲテーブルを
作成してしまうと、前終端記号バイグラムを予測的に評
価する探索を実現しにくい。そこで、本実施形態におい
ては、構文規則のみからなる第１のＬＲテーブルと、語
彙項目のみからなる第２のＬＲテーブルとの２つに分離
することを特徴としている。
られる。つまり、予測された音素系列の中で確定した語
についての言語スコアを計算することが考えられる。前
終端記号バイグラムの評価を語候補が確定する前に行う
ほうが効率的な探索が実現できると期待できる。以上の
実現方法による装置を、以下、比較例という。しかしな
がら、語彙項目と構文規則を一緒にしてＬＲテーブルを
作成してしまうと、前終端記号バイグラムを予測的に評
価する探索を実現しにくい。そこで、本実施形態におい
ては、構文規則のみからなる第１のＬＲテーブルと、語
彙項目のみからなる第２のＬＲテーブルとの２つに分離
することを特徴としている。
【００１６】以下、具体例を使って説明する。表１に簡
単な文法規則の記述例を示す。
単な文法規則の記述例を示す。
【００１７】
【表１】 文法の記述例 ────────────────────────── （１）＜Ｓ＞→＜ＰＰ＞＜Ｓ＞ （２）＜Ｓ＞→＜Ｖ＞ （３）＜ＰＰ＞→＜Ｎ＞＜Ｐ＞ （４）＜ＰＰ＞→＜Ｓ＞＜Ｐ＞ （５）＜Ｖ＞→ｋ ｉ ｔ ａ （６）＜Ｖ＞→ｔ ｕ ｔ ａ ｗ ａ ｑ ｔ ａ （７）＜Ｎ＞→ｋ ｉ ｔ ａ （８）＜Ｎ＞→ｂ ｕ ｎｇ ｋ ａ （９）＜Ｐ＞→ｋ ａ ｒ ａ （１０）＜Ｐ＞→ｇ ａ ──────────────────────────
【００１８】表１において、＜Ｓ＞は文であり、＜ＰＰ
＞は後置詞句であり、＜Ｎ＞は名詞であり、＜Ｐ＞は助
詞である。上記表１の（１）の規則は、「文Ｓは、名詞
Ｎと、後置詞句ＰＰとがこの順序で並んだものであ
る。」ということを示している。また、上記数１の
（５）の規則は、「動詞Ｖは、ｋｉｔａ（きた）であ
る。」ということを示しており、さらに、上記数１の
（７）の規則は、「名詞Ｎは、ｋｉｔａ（北）であ
る。」ということを示しており、またさらに、上記数１
の（９）の規則は、「助詞Ｐは、ｋａｒａ（から）であ
る。」ということを示している。そして、上記表１に示
す文法規則に基づいて、例えば第１の従来例の方法を用
いてＬＲテーブルを作成すると表２及び表３に示すＬＲ
テーブルを得ることができる。
＞は後置詞句であり、＜Ｎ＞は名詞であり、＜Ｐ＞は助
詞である。上記表１の（１）の規則は、「文Ｓは、名詞
Ｎと、後置詞句ＰＰとがこの順序で並んだものであ
る。」ということを示している。また、上記数１の
（５）の規則は、「動詞Ｖは、ｋｉｔａ（きた）であ
る。」ということを示しており、さらに、上記数１の
（７）の規則は、「名詞Ｎは、ｋｉｔａ（北）であ
る。」ということを示しており、またさらに、上記数１
の（９）の規則は、「助詞Ｐは、ｋａｒａ（から）であ
る。」ということを示している。そして、上記表１に示
す文法規則に基づいて、例えば第１の従来例の方法を用
いてＬＲテーブルを作成すると表２及び表３に示すＬＲ
テーブルを得ることができる。
【００１９】
【表２】
【００２０】
【表３】
【００２１】表２及び表３において、ＬＲテーブルは、
左側部分の動作（ＡＣＴＩＯＮ）表と、右側部分の行先
（ＧＯＴＯ）表とからなり、動作表は、一連の状態番号
が付された各状態において上側に示す音素が入力された
ときにどのような構文解析動作を実行するかを示す一
方、行先表は各状態において動作を実行後に移動する先
の状態番号を示す。ここで、＄は文末記号を示す。表２
及び表３において、例えば、状態０で音素“ｂ”が来れ
ば、“ｓ１”すなわちルール１にシフト（移動遷移）
し、ある規則でレデュースされたあとスタックの状態が
０となり、そのときの規則の左辺が名詞Ｎであれば状態
２に行くことを示す。また、例えば、状態６で音素
“ｋ”が来れば、“ｒ２”すなわちルール２を還元（レ
デュース）することを示す。さらに、状態７で文末記号
＄が来れば、受理（ａｃｃ）することを示す。ＬＲテー
ブルについての詳細については、従来技術文献３「田中
穂積著，“自然言語解析の基礎”，ｐｐ．７８−１０
４，産業図書，平成元年１１月２７日初版発行」におい
て説明されている。
左側部分の動作（ＡＣＴＩＯＮ）表と、右側部分の行先
（ＧＯＴＯ）表とからなり、動作表は、一連の状態番号
が付された各状態において上側に示す音素が入力された
ときにどのような構文解析動作を実行するかを示す一
方、行先表は各状態において動作を実行後に移動する先
の状態番号を示す。ここで、＄は文末記号を示す。表２
及び表３において、例えば、状態０で音素“ｂ”が来れ
ば、“ｓ１”すなわちルール１にシフト（移動遷移）
し、ある規則でレデュースされたあとスタックの状態が
０となり、そのときの規則の左辺が名詞Ｎであれば状態
２に行くことを示す。また、例えば、状態６で音素
“ｋ”が来れば、“ｒ２”すなわちルール２を還元（レ
デュース）することを示す。さらに、状態７で文末記号
＄が来れば、受理（ａｃｃ）することを示す。ＬＲテー
ブルについての詳細については、従来技術文献３「田中
穂積著，“自然言語解析の基礎”，ｐｐ．７８−１０
４，産業図書，平成元年１１月２７日初版発行」におい
て説明されている。
【００２２】しかしながら、表２及び表３においては、
前終端記号の情報は含まれていないので、何らかの方法
で元の構文規則を参照しなければならないという問題点
がある。そこで、本実施形態においては、表１に示す文
法規則を、表４のような前終端記号までの文法規則（構
文規則）と、表５のような語彙規則に分離する。
前終端記号の情報は含まれていないので、何らかの方法
で元の構文規則を参照しなければならないという問題点
がある。そこで、本実施形態においては、表１に示す文
法規則を、表４のような前終端記号までの文法規則（構
文規則）と、表５のような語彙規則に分離する。
【００２３】
【表４】前終端記号までの文法規則 ──────────────── （１）＜Ｓ＞→＜ＰＰ＞＜Ｓ＞ （２）＜Ｓ＞→Ｖ （３）＜ＰＰ＞→ＮＰ （４）＜ＰＰ＞→＜Ｓ＞Ｐ ────────────────
【００２４】
【表５】語彙規則 ───────────────────────── （１）＜ｐｒｅｔｅｒｍ＞→＜Ｖ＞ （２）＜ｐｒｅｔｅｒｍ＞→＜Ｎ＞ （３）＜ｐｒｅｔｅｒｍ＞→＜Ｐ＞ （４）＜Ｖ＞→ｋ ｉ ｔ ａ （５）＜Ｖ＞→ｔ ｕ ｔ ａ ｗ ａ ｑ ｔ ａ （６）＜Ｎ＞→ｋ ｉ ｔ ａ （７）＜Ｎ＞→ｂ ｕ ｎｇ ｋ ａ （８）＜Ｐ＞→ｋ ａ ｒ ａ （９）＜Ｐ＞→ｇ ａ ─────────────────────────
【００２５】表４の文法規則では元の文法の前終端記号
が終端記号となっている。表４の文法規則に基づいて、
詳細後述する第１のＬＲテーブル生成部２１によって実
行される第１のＬＲテーブル生成処理により第１のＬＲ
テーブルを作成すると、表６を得ることができる。
が終端記号となっている。表４の文法規則に基づいて、
詳細後述する第１のＬＲテーブル生成部２１によって実
行される第１のＬＲテーブル生成処理により第１のＬＲ
テーブルを作成すると、表６を得ることができる。
【００２６】
【表６】
【００２７】表５及び表６において、＜Ｖ＞，＜Ｎ＞，
＜Ｐ＞，＜ＰＰ＞は非終端記号を示している。先読み可
能な記号が前終端記号なので、本実施形態においては、
次につながる可能性のある前終端記号を簡単に予測する
ことができる。つまり、音声認識過程で前終端記号バイ
グラムの評価を予測的に活用することができる。さら
に、表５の語彙規則に対して、詳細後述する第２のＬＲ
テーブル生成部２２によって実行される第２のＬＲテー
ブル生成処理によってＬＲテーブルを作ると、表７及び
表８を得ることができる。なお、表７及び表８におい
て、表の一部は省略しており、…で表している。
＜Ｐ＞，＜ＰＰ＞は非終端記号を示している。先読み可
能な記号が前終端記号なので、本実施形態においては、
次につながる可能性のある前終端記号を簡単に予測する
ことができる。つまり、音声認識過程で前終端記号バイ
グラムの評価を予測的に活用することができる。さら
に、表５の語彙規則に対して、詳細後述する第２のＬＲ
テーブル生成部２２によって実行される第２のＬＲテー
ブル生成処理によってＬＲテーブルを作ると、表７及び
表８を得ることができる。なお、表７及び表８におい
て、表の一部は省略しており、…で表している。
【００２８】
【表７】
【００２９】
【表８】
【００３０】表７及び表８に示す第２のＬＲテーブルに
おいては、シフト動作のところに到達可能なカテゴリ
（元の文法の前終端記号）の情報が埋め込まれているた
め、不必要な音素照合を削減することができ、これによ
って、詳細後述するように、音声認識処理を従来例に比
較して高速化しかつより高い認識率で実行することがで
きるという利点がある。本実施形態の利点は、次のよう
に要約できる。 （Ｉ）語候補が確定する前に、前終端記号バイグラムを
評価することが簡単にできる。 （II）人名などの新語登録を簡便に実現することができ
る。 （III）未登録語の扱いも語レベルで行うことができ
る。
おいては、シフト動作のところに到達可能なカテゴリ
（元の文法の前終端記号）の情報が埋め込まれているた
め、不必要な音素照合を削減することができ、これによ
って、詳細後述するように、音声認識処理を従来例に比
較して高速化しかつより高い認識率で実行することがで
きるという利点がある。本実施形態の利点は、次のよう
に要約できる。 （Ｉ）語候補が確定する前に、前終端記号バイグラムを
評価することが簡単にできる。 （II）人名などの新語登録を簡便に実現することができ
る。 （III）未登録語の扱いも語レベルで行うことができ
る。
【００３１】図２は、図１の第１のＬＲテーブル生成部
２１によって実行される第１のＬＲテーブル生成処理を
示すフローチャートである。
２１によって実行される第１のＬＲテーブル生成処理を
示すフローチャートである。
【００３２】図２において、まず、ステップＳ１におい
て、ＣＦＧルールメモリ３１から、例えば表４に示すよ
うな前終端記号までのＣＦＧルール（文脈自由文法規
則）を読み出す。次いで、ステップＳ２において、読み
出したＣＦＧルールに対して規則［＜ＳＳ＞→＜Ｓ＞］
を追加する。ここで、＜ＳＳ＞は開始記号（Start Symb
ol）である。さらにステップＳ３において、第１のＬＲ
テーブルの各状態の要素を求める。具体的には、次の処
理を行う。 （ａ）アイテム集合（クロージャ）の集合をＣとし、そ
の初期値を次式で表わす。
て、ＣＦＧルールメモリ３１から、例えば表４に示すよ
うな前終端記号までのＣＦＧルール（文脈自由文法規
則）を読み出す。次いで、ステップＳ２において、読み
出したＣＦＧルールに対して規則［＜ＳＳ＞→＜Ｓ＞］
を追加する。ここで、＜ＳＳ＞は開始記号（Start Symb
ol）である。さらにステップＳ３において、第１のＬＲ
テーブルの各状態の要素を求める。具体的には、次の処
理を行う。 （ａ）アイテム集合（クロージャ）の集合をＣとし、そ
の初期値を次式で表わす。
【数２】Ｃ＝｛Ｃｌｏｓｕｒｅ（｛［＜ＳＳ＞→・＜Ｓ
＞］｝）｝ （ｂ）集合Ｃの中の各アイテム集合（クロージャ）Ｉに
対して、以下の計算を行う。アイテム集合（クロージ
ャ）Ｉを構成するアイテム中の右辺の各非終端記号Ａに
対して、
＞］｝）｝ （ｂ）集合Ｃの中の各アイテム集合（クロージャ）Ｉに
対して、以下の計算を行う。アイテム集合（クロージ
ャ）Ｉを構成するアイテム中の右辺の各非終端記号Ａに
対して、
【数３】Ｇｏｔｏ（Ｉ，Ａ） を計算する。その結果が空でなく、かつＣに含まれてい
なければ、Ｃに付加する。この処理をＣに付加すべきア
イテム集合がなくなるまで繰り返す。上記のアイテム、
クロージャ関数、Ｇｏｔｏ関数の説明は後述する。以上
の処理で得られた各アイテム集合ＩiがＬＲテーブルの
状態ｉの要素を表す。
なければ、Ｃに付加する。この処理をＣに付加すべきア
イテム集合がなくなるまで繰り返す。上記のアイテム、
クロージャ関数、Ｇｏｔｏ関数の説明は後述する。以上
の処理で得られた各アイテム集合ＩiがＬＲテーブルの
状態ｉの要素を表す。
【００３３】次いで、ステップＳ４において、第１のＬ
Ｒテーブルの各状態の要素の命令内容を決定する。具体
的には、次の処理を行う。 （ａ）Ｇｏｔｏ（Ｉi，Ｐｒｅｔｅｒｍ＊）＝Ｉjなら
ば、Ａｃｔｉｏｎ［ｉ，Ｐｒｅｔｅｒｍ＊］にシフト操
作“Ｓｈｉｆｔ ｊ”を書き込む。 （ｂ）もし［Ｂ→α・］∈Ｉiなら関数Ｆｏｌｌｏｗ
（Ｂ）に含まれるすべての前終端記号Ｐｒｅｔｅｒｍ＊
に対してＡｃｔｉｏｎ［ｉ，Ｐｒｅｔｅｒｍ＊］にレデ
ュース操作（還元操作）“ｒｅｄｕｃｅ ｂｙ［Ｂ→
α］”を書き込む。ここで、Ｆｏｌｌｏｗ関数は詳細後
述する。 （ｃ）もし［＜ＳＳ＞→＜Ｓ＞・］∈ＩiならＡｃｔｉ
ｏｎ［ｉ，＄］に「受理（ａｃｃ）」と書き込む。 （ｄ）純非終端記号Ａに対して、もしＧｏｔｏ（Ｉi，
Ａ）＝Ｉjならば、第１のＬＲテーブルに対してＧｏｔ
ｏ［ｉ，Ａ］＝ｊと書き込む。 （ｅ）空白のまま残った要素は失敗となる。
Ｒテーブルの各状態の要素の命令内容を決定する。具体
的には、次の処理を行う。 （ａ）Ｇｏｔｏ（Ｉi，Ｐｒｅｔｅｒｍ＊）＝Ｉjなら
ば、Ａｃｔｉｏｎ［ｉ，Ｐｒｅｔｅｒｍ＊］にシフト操
作“Ｓｈｉｆｔ ｊ”を書き込む。 （ｂ）もし［Ｂ→α・］∈Ｉiなら関数Ｆｏｌｌｏｗ
（Ｂ）に含まれるすべての前終端記号Ｐｒｅｔｅｒｍ＊
に対してＡｃｔｉｏｎ［ｉ，Ｐｒｅｔｅｒｍ＊］にレデ
ュース操作（還元操作）“ｒｅｄｕｃｅ ｂｙ［Ｂ→
α］”を書き込む。ここで、Ｆｏｌｌｏｗ関数は詳細後
述する。 （ｃ）もし［＜ＳＳ＞→＜Ｓ＞・］∈ＩiならＡｃｔｉ
ｏｎ［ｉ，＄］に「受理（ａｃｃ）」と書き込む。 （ｄ）純非終端記号Ａに対して、もしＧｏｔｏ（Ｉi，
Ａ）＝Ｉjならば、第１のＬＲテーブルに対してＧｏｔ
ｏ［ｉ，Ａ］＝ｊと書き込む。 （ｅ）空白のまま残った要素は失敗となる。
【００３４】さらに、ステップＳ５で、例えば表６に示
すような、生成した第１のＬＲテーブルを第１のＬＲテ
ーブルメモリ１１に書き込み、当該第１のＬＲテーブル
生成処理を終了する。上記第１のＬＲテーブル生成処理
において、アイテムとは、文法規則に、解析位置を表す
ドット（・）を加えたものである。例えば、規則［＜Ｓ
＞→Ｖ］からは２つのアイテム（Ａ）［＜Ｓ＞→・Ｖ］
と、（Ｂ）［＜Ｓ＞→Ｖ・］が得られる。（Ａ）はこれ
から解析が始まることを表し、（Ｂ）は解析が終わった
ことを表す。
すような、生成した第１のＬＲテーブルを第１のＬＲテ
ーブルメモリ１１に書き込み、当該第１のＬＲテーブル
生成処理を終了する。上記第１のＬＲテーブル生成処理
において、アイテムとは、文法規則に、解析位置を表す
ドット（・）を加えたものである。例えば、規則［＜Ｓ
＞→Ｖ］からは２つのアイテム（Ａ）［＜Ｓ＞→・Ｖ］
と、（Ｂ）［＜Ｓ＞→Ｖ・］が得られる。（Ａ）はこれ
から解析が始まることを表し、（Ｂ）は解析が終わった
ことを表す。
【００３５】クロージャ関数の処理は次の通りである。
Ｃｌｏｓｕｒｅ（Ｉ）に［Ａ→α・Ｂβ］があれば、す
べての［Ｂ→γ］に対して、重複がない限り、［Ｂ→・
γ］をＣｌｏｓｕｒｅ（Ｉ）に加える。この処理はＣｌ
ｏｓｕｒｅ（Ｉ）に加えるべき新しいアイテムがなくな
るまで繰り返す。
Ｃｌｏｓｕｒｅ（Ｉ）に［Ａ→α・Ｂβ］があれば、す
べての［Ｂ→γ］に対して、重複がない限り、［Ｂ→・
γ］をＣｌｏｓｕｒｅ（Ｉ）に加える。この処理はＣｌ
ｏｓｕｒｅ（Ｉ）に加えるべき新しいアイテムがなくな
るまで繰り返す。
【００３６】Ｇｏｔｏ関数の処理は次の通りである。ア
イテム集合Ｉと非終端記号Ｘが与えられたとき、関数Ｇ
ｏｔｏ（Ｉ，Ｘ）の関数値は、Ｉ中のすべてのアイテム
［Ａ→α・Ｘβ］に対して、ドットの位置を１つ右にず
らしたアイテム［Ａ→αＸ・β］から得られるすべての
クロージャの和集合である。
イテム集合Ｉと非終端記号Ｘが与えられたとき、関数Ｇ
ｏｔｏ（Ｉ，Ｘ）の関数値は、Ｉ中のすべてのアイテム
［Ａ→α・Ｘβ］に対して、ドットの位置を１つ右にず
らしたアイテム［Ａ→αＸ・β］から得られるすべての
クロージャの和集合である。
【００３７】Ｆｏｌｌｏｗ関数の処理は次の通りであ
る。 （ａ）開始記号Ｓに対し、関数Ｆｏｌｌｏｗ（Ｓ）に終
端記号＄を加える。ただし、＄は入力文の終わりを表す
記号である。 （ｂ）もし生成規則［Ｂ→αＡβ］があれば、βの最左
導出（Leftmost drivation）をすべて関数Ｆｏｌｌｏｗ
（Ａ）に加える。 （ｃ）もし生成規則［Ｂ→αＡ］があれば、関数Ｆｏｌ
ｌｏｗ（Ｂ）を関数Ｆｏｌｌｏｗ（Ａ）に加える。
る。 （ａ）開始記号Ｓに対し、関数Ｆｏｌｌｏｗ（Ｓ）に終
端記号＄を加える。ただし、＄は入力文の終わりを表す
記号である。 （ｂ）もし生成規則［Ｂ→αＡβ］があれば、βの最左
導出（Leftmost drivation）をすべて関数Ｆｏｌｌｏｗ
（Ａ）に加える。 （ｃ）もし生成規則［Ｂ→αＡ］があれば、関数Ｆｏｌ
ｌｏｗ（Ｂ）を関数Ｆｏｌｌｏｗ（Ａ）に加える。
【００３８】図３は、図１の第２のＬＲテーブル生成部
２２によって実行される第２のＬＲテーブル生成処理を
示すフローチャートである。図３において、まず、ステ
ップＳ１１において、語彙規則メモリ３２から、例えば
表５に示すような語彙規則を読み出す。次いで、ステッ
プＳ１２において、読み出した語彙規則に対して規則
［＜ＳＳ＞→＜ｐｒｅｔｅｒｍ＞］を追加する。ここ
で、規則［＜ＳＳ＞→＜ｐｒｅｔｅｒｍ＞］は、開始記
号から前終端記号への規則であり、語彙規則のための第
２のＬＲテーブルの開始位置を示す。そして、ステップ
Ｓ１３において、第２のＬＲテーブルの各状態の要素を
求める。具体的な処理は次の通りである。 （ａ）条件付アイテム集合（条件付クロージャ）の集合
をＣとし、その初期値を次式で表わす。
２２によって実行される第２のＬＲテーブル生成処理を
示すフローチャートである。図３において、まず、ステ
ップＳ１１において、語彙規則メモリ３２から、例えば
表５に示すような語彙規則を読み出す。次いで、ステッ
プＳ１２において、読み出した語彙規則に対して規則
［＜ＳＳ＞→＜ｐｒｅｔｅｒｍ＞］を追加する。ここ
で、規則［＜ＳＳ＞→＜ｐｒｅｔｅｒｍ＞］は、開始記
号から前終端記号への規則であり、語彙規則のための第
２のＬＲテーブルの開始位置を示す。そして、ステップ
Ｓ１３において、第２のＬＲテーブルの各状態の要素を
求める。具体的な処理は次の通りである。 （ａ）条件付アイテム集合（条件付クロージャ）の集合
をＣとし、その初期値を次式で表わす。
【数４】Ｃ＝{条件付Ｃｌｏｓｕｒｅ({[＜ＳＳ＞→・＜
ｐｒｅｔｅｒｍ＞,{}]})} （ｂ）集合Ｃの中の各条件付アイテム集合（条件付クロ
ージャ）Ｉに対して、以下の計算を行う。条件付アイテ
ム集合（条件付クロージャ）Ｉを構成する条件付アイテ
ム中の右辺の各非終端記号Ａに対して、
ｐｒｅｔｅｒｍ＞,{}]})} （ｂ）集合Ｃの中の各条件付アイテム集合（条件付クロ
ージャ）Ｉに対して、以下の計算を行う。条件付アイテ
ム集合（条件付クロージャ）Ｉを構成する条件付アイテ
ム中の右辺の各非終端記号Ａに対して、
【数５】条件付Ｇｏｔｏ（Ｉ，Ａ） を計算する。その結果が空（empty）でなく、かつ集合
Ｃに含まれていなければ、集合Ｃに付加する。この処理
を集合Ｃに付加すべき条件付アイテム集合がなくなるま
で繰り返す。上記条件付アイテム、条件付クロージャ関
数、条件付Ｇｏｔｏ関数の説明は詳細後述する。以上の
処理で得られた各条件付アイテム集合Ｉiが第２のＬＲ
テーブルの状態ｉの要素を表す。
Ｃに含まれていなければ、集合Ｃに付加する。この処理
を集合Ｃに付加すべき条件付アイテム集合がなくなるま
で繰り返す。上記条件付アイテム、条件付クロージャ関
数、条件付Ｇｏｔｏ関数の説明は詳細後述する。以上の
処理で得られた各条件付アイテム集合Ｉiが第２のＬＲ
テーブルの状態ｉの要素を表す。
【００３９】次いで、ステップＳ１４において、第２の
ＬＲテーブルの各状態の要素の命令内容を決定する。具
体的な処理は次の通りである。 （ａ）Ｇｏｔｏ（Ｉi，Ｐｈｏｎｅ＊）＝Ｉjならば、Ａ
ｃｔｉｏｎ［ｉ，Ｐｈｏｎｅ＊］にシフト操作“Ｓｈｉ
ｆｔ ｊ，｛条件付アイテムＩiの条件｝”を書き込
む。 （ｂ）もし［Ｂ→α・］∈Ｉiならば、関数Ｆｏｌｌｏ
ｗ（Ｂ）に含まれるすべての前終端記号Ｐｈｏｎｅ＊に
対してＡｃｔｉｏｎ［ｉ，Ｐｈｏｎｅ＊］にレデュース
操作“ｒｅｄｕｃｅ ｂｙ［Ｂ→α］”を書き込む。こ
こで、Ｆｏｌｌｏｗ関数の説明は詳細後述する。 （ｃ）もし［＜ＳＳ＞→＜ｐｒｅｔｅｒｍ＞・］∈Ｉi
ならば、Ａｃｔｉｏｎ［ｉ，＄］に「受理（ａｃｃ）」
と書き込む。 （ｄ）純非終端記号Ａに対して、もしＧｏｔｏ（Ｉi，
Ａ）＝Ｉjならば、Ｇｏｔｏ［ｉ，Ａ］＝ｊと書き込
む。 （ｅ）空白のまま残った要素は失敗となる。
ＬＲテーブルの各状態の要素の命令内容を決定する。具
体的な処理は次の通りである。 （ａ）Ｇｏｔｏ（Ｉi，Ｐｈｏｎｅ＊）＝Ｉjならば、Ａ
ｃｔｉｏｎ［ｉ，Ｐｈｏｎｅ＊］にシフト操作“Ｓｈｉ
ｆｔ ｊ，｛条件付アイテムＩiの条件｝”を書き込
む。 （ｂ）もし［Ｂ→α・］∈Ｉiならば、関数Ｆｏｌｌｏ
ｗ（Ｂ）に含まれるすべての前終端記号Ｐｈｏｎｅ＊に
対してＡｃｔｉｏｎ［ｉ，Ｐｈｏｎｅ＊］にレデュース
操作“ｒｅｄｕｃｅ ｂｙ［Ｂ→α］”を書き込む。こ
こで、Ｆｏｌｌｏｗ関数の説明は詳細後述する。 （ｃ）もし［＜ＳＳ＞→＜ｐｒｅｔｅｒｍ＞・］∈Ｉi
ならば、Ａｃｔｉｏｎ［ｉ，＄］に「受理（ａｃｃ）」
と書き込む。 （ｄ）純非終端記号Ａに対して、もしＧｏｔｏ（Ｉi，
Ａ）＝Ｉjならば、Ｇｏｔｏ［ｉ，Ａ］＝ｊと書き込
む。 （ｅ）空白のまま残った要素は失敗となる。
【００４０】さらに、ステップＳ１５において、表７及
び表８に示すような、作成した第２のＬＲテーブルを第
２のＬＲテーブルメモリ１２に書き込み、当該第２のＬ
Ｒテーブル生成処理を終了する。上記の条件付アイテム
とは、アイテムに条件を加えたものである。その形式
は、
び表８に示すような、作成した第２のＬＲテーブルを第
２のＬＲテーブルメモリ１２に書き込み、当該第２のＬ
Ｒテーブル生成処理を終了する。上記の条件付アイテム
とは、アイテムに条件を加えたものである。その形式
は、
【数６】［Ａ→α・β，｛Ｘi｝］ である。また、条件付クロージャ関数の処理は次の通り
である。 （ａ）Ｓが開始記号であるＩの条件付アイテム［Ｓ→・
α，｛｝］に対して、クロージャＣｌｏｓｕｒｅ（Ｉ）
に［Ｓ→・α，｛Ｓ｝］を加える。Ｉの他の条件付アイ
テムはそのままクロージャＣｌｏｓｕｒｅ（Ｉ）に加え
る。 （ｂ）クロージャＣｌｏｓｕｒｅ（Ｉ）に［Ａ→α・Ｂ
β｛Ｘi｝］があれば、すべての［Ｂ→γ］に対して、
重複がない限り、［Ｂ→・γ，｛Ｘi｝］をクロージャ
Ｃｌｏｓｕｒｅ（Ｉ）に加える。さらに、Ｂから導出可
能なＣに対して、［Ｃ→・γ，｛Ｙj｝］があれば、
［Ｃ→・γ，｛Ｘi｝∪｛Ｙj｝］で置き換える。
である。 （ａ）Ｓが開始記号であるＩの条件付アイテム［Ｓ→・
α，｛｝］に対して、クロージャＣｌｏｓｕｒｅ（Ｉ）
に［Ｓ→・α，｛Ｓ｝］を加える。Ｉの他の条件付アイ
テムはそのままクロージャＣｌｏｓｕｒｅ（Ｉ）に加え
る。 （ｂ）クロージャＣｌｏｓｕｒｅ（Ｉ）に［Ａ→α・Ｂ
β｛Ｘi｝］があれば、すべての［Ｂ→γ］に対して、
重複がない限り、［Ｂ→・γ，｛Ｘi｝］をクロージャ
Ｃｌｏｓｕｒｅ（Ｉ）に加える。さらに、Ｂから導出可
能なＣに対して、［Ｃ→・γ，｛Ｙj｝］があれば、
［Ｃ→・γ，｛Ｘi｝∪｛Ｙj｝］で置き換える。
【００４１】上記の条件付Ｇｏｔｏ関数の処理は次の通
りである。条件付アイテム集合Ｉと非終端記号Ｘが与え
られたとき、関数Ｇｏｔｏ（Ｉ，Ｘ）の値は、Ｉ中のす
べての条件付アイテム［Ａ→α・Ｘβ，｛Ｘi｝］に対
して、ドットの位置を１つだけ右にずらした条件付アイ
テム［Ａ→αＸ・β，｛Ｘi｝］から得られるすべての
条件付クロージャの和集合である。また、Ｆｏｌｌｏｗ
関数は条件付アイテムに対しても同じである。
りである。条件付アイテム集合Ｉと非終端記号Ｘが与え
られたとき、関数Ｇｏｔｏ（Ｉ，Ｘ）の値は、Ｉ中のす
べての条件付アイテム［Ａ→α・Ｘβ，｛Ｘi｝］に対
して、ドットの位置を１つだけ右にずらした条件付アイ
テム［Ａ→αＸ・β，｛Ｘi｝］から得られるすべての
条件付クロージャの和集合である。また、Ｆｏｌｌｏｗ
関数は条件付アイテムに対しても同じである。
【００４２】図４は、図１の統計的言語モデル生成部２
３によって実行される統計的言語モデル生成処理を示す
フローチャートである。当該統計的言語モデルは、品詞
の統計的言語モデルであって、前終端記号のバイグラム
を含む。当該処理においては、表９に示すような構文解
析データを作成し、発話開始を表す＜ＢＥＧＩＮ＞と発
話終了を表す＜ＥＮＤ＞という記号を用意して、前終端
記号の連接情報を抽出する。例えば、表９からは表１０
が得られる。多数のデータから表１０のようなデータの
出現頻度を計算し正規化して、表１１のような前終端記
号のつながりやすさのデータ、すなわち、前終端記号の
バイグラムを含む統計的言語モデルを得る。
３によって実行される統計的言語モデル生成処理を示す
フローチャートである。当該統計的言語モデルは、品詞
の統計的言語モデルであって、前終端記号のバイグラム
を含む。当該処理においては、表９に示すような構文解
析データを作成し、発話開始を表す＜ＢＥＧＩＮ＞と発
話終了を表す＜ＥＮＤ＞という記号を用意して、前終端
記号の連接情報を抽出する。例えば、表９からは表１０
が得られる。多数のデータから表１０のようなデータの
出現頻度を計算し正規化して、表１１のような前終端記
号のつながりやすさのデータ、すなわち、前終端記号の
バイグラムを含む統計的言語モデルを得る。
【００４３】
【表９】 ──────────────────────── <sent> |--<cl> |--<cl1> |--<vp> |--<vaux-masu-syusi> |--<verb-cop-renyo-de> | |--<np> | | |--<n-proper> | | |--<pow-n-proper> | | |--nyuuwashi=to=hoteru | |--<aux-cop-da-renyo-de> | |--de |--<aux-polt-masu-syusi> |--<auxstem-polt-masu> | |--gozaima |--<vinfl-spe-su> |--su ────────────────────────
【００４４】
【表１０】構文解析データの例 ──────────────────────── <BEGIN>:<pow-n-proper> <pow-n-proper>:<aux-cop-da-renyo-de> <aux-cop-da-renyo-de>:<auxstem-polt-masu> <auxstem-polt-masu>:<vinfl-spe-su> <vinfl-spe-su>:<END> ────────────────────────
【００４５】
【表１１】前終端記号バイグラムの抽出結果例 ───────────────────────── <BEGIN>:<adv-desu> = 0.036585 (9/246) <BEGIN>:<adv-sent> = 0.028455 (7/246) <BEGIN>:<adv> = 0.056911 (14/246) <BEGIN>:<conj> = 0.097561 (24/246) <BEGIN>:<family-name-jap> = 0.016260 (4/246) <BEGIN>:<first-name-others> = 0.012195 (3/246) <BEGIN>:<interj-hesit> = 0.069106 (17/246) <BEGIN>:<interj-post> = 0.077236 (19/246) <BEGIN>:<interj-pre> = 0.219512 (54/246) <BEGIN>:<n-adj> = 0.012195 (3/246) <BEGIN>:<n-day> = 0.004065 (1/246) <BEGIN>:<n-hour> = 0.012195 (3/246) <BEGIN>:<n-hutu> = 0.097561 (24/246) <BEGIN>:<n-month> = 0.004065 (1/246) <BEGIN>:<n-num-kyuu> = 0.004065 (1/246) <BEGIN>:<n-num-roku> = 0.004065 (1/246) <BEGIN>:<n-num-san> = 0.004065 (1/246) <BEGIN>:<n-num-yon> = 0.004065 (1/246) <BEGIN>:<n-proper> = 0.020325 (5/246) <BEGIN>:<n-sahen> = 0.040650 (10/246) <BEGIN>:<n-spel> = 0.004065 (1/246) <BEGIN>:<n-time> = 0.020325 (5/246) <BEGIN>:<n-week> = 0.004065 (1/246) <BEGIN>:<num-suf-hyaku> = 0.004065 (1/246) <BEGIN>:<prefix-go> = 0.008130 (2/246) <BEGIN>:<prefix-o> = 0.044715 (11/246) <BEGIN>:<pro-exp> = 0.012195 (3/246) <BEGIN>:<pro1> = 0.008130 (2/246) <BEGIN>:<pro> = 0.004065 (1/246) <BEGIN>:<rentai> = 0.012195 (3/246) <BEGIN>:<vstem-1dan> = 0.016260 (4/246) <BEGIN>:<vstem-5-r> = 0.032520 (8/246) <BEGIN>:<wh-pro> = 0.008130 (2/246) <adjstem>:<vinfl-adj-i> = 0.714286 (5/7) <adjstem>:<vinfl-adj-ku> = 0.285714 (2/7) <adv-degr>:<n-num-hito> = 1.000000 (1/1) <adv-desu>:<auxstem-desu> = 0.888889 (16/18) <adv-desu>:<prefix-go> = 0.055556 (1/18) <adv-desu>:<prefix-o> = 0.055556 (1/18) <adv-sent>:<adv> = 0.100000 (1/10) <adv-sent>:<n-adj> = 0.100000 (1/10) <adv-sent>:<n-day> = 0.100000 (1/10) <adv-sent>:<n-hutu> = 0.500000 (5/10) <adv-sent>:<rentai> = 0.200000 (2/10) ─────────────────────────
【００４６】表１０において、例えば、「<BEGIN>:<pow
-n-proper>」は、発話開始＜ＢＥＧＩＮ＞のあとに固有
名詞<pow-n-proper>がつながることを示す、「<pow-n-p
roper>:<aux-cop-da-renyo-de>」は、固有名詞<pow-n-p
roper>のあとに助動詞「だ」の連用形「で」を表わす<a
ux-cop-da-renyo-de>がつながることを示す。また、表
１１において、例えば、「<BEGIN>:<adv-desu> = 0.036
585 (9/246)」は、発話開始＜ＢＥＧＩＮ＞と、「で
す」と共起可能な副詞を表わす<adv-desu>との連接確率
が０．０３６５８５であり、その根拠は、発話開始＜Ｂ
ＥＧＩＮ＞の出現頻度２４６に対してその連接の出現頻
度が９回であることに基づく。さらに、「<adjstem>:<v
infl-adj-i> = 0.714286 (5/7)」は、形容詞語幹<adjst
em>に形容詞語尾「い」を表わす<vinfl-adj-i>がつなが
る連接確率が０．７１４２８６であり、その根拠は、形
容詞語幹<adjstem>の出現頻度７回のうち、５回がその
連接であることを示す。またさらに、「<adv-degr>:<n-
num-hito> = 1.000000 (1/1)」は、程度を表わす<adv-d
egr>のあとに数詞「一」を表わす<n-num-hito>がつなが
る連接確率は１であり、その根拠は、<adv-degr>の出現
１回に対してすべてであったことに基づく。さらに、
「<adv-desu>:<auxstem-desu> = 0.888889 (16/18)」
は、「です」と共起可能な副詞<adv-desu>と助動詞「で
す」の語幹を表わす<auxstem-desu>とがつながる確率は
０．８８８８８９であり、この根拠は、<auxstem-desu>
の出現回数１８回に対して１６回の連接があったことに
基づく。
-n-proper>」は、発話開始＜ＢＥＧＩＮ＞のあとに固有
名詞<pow-n-proper>がつながることを示す、「<pow-n-p
roper>:<aux-cop-da-renyo-de>」は、固有名詞<pow-n-p
roper>のあとに助動詞「だ」の連用形「で」を表わす<a
ux-cop-da-renyo-de>がつながることを示す。また、表
１１において、例えば、「<BEGIN>:<adv-desu> = 0.036
585 (9/246)」は、発話開始＜ＢＥＧＩＮ＞と、「で
す」と共起可能な副詞を表わす<adv-desu>との連接確率
が０．０３６５８５であり、その根拠は、発話開始＜Ｂ
ＥＧＩＮ＞の出現頻度２４６に対してその連接の出現頻
度が９回であることに基づく。さらに、「<adjstem>:<v
infl-adj-i> = 0.714286 (5/7)」は、形容詞語幹<adjst
em>に形容詞語尾「い」を表わす<vinfl-adj-i>がつなが
る連接確率が０．７１４２８６であり、その根拠は、形
容詞語幹<adjstem>の出現頻度７回のうち、５回がその
連接であることを示す。またさらに、「<adv-degr>:<n-
num-hito> = 1.000000 (1/1)」は、程度を表わす<adv-d
egr>のあとに数詞「一」を表わす<n-num-hito>がつなが
る連接確率は１であり、その根拠は、<adv-degr>の出現
１回に対してすべてであったことに基づく。さらに、
「<adv-desu>:<auxstem-desu> = 0.888889 (16/18)」
は、「です」と共起可能な副詞<adv-desu>と助動詞「で
す」の語幹を表わす<auxstem-desu>とがつながる確率は
０．８８８８８９であり、この根拠は、<auxstem-desu>
の出現回数１８回に対して１６回の連接があったことに
基づく。
【００４７】統計的言語モデル生成処理を示す図４にお
いて、まず、ステップＳ２１において、ＣＦＧルールメ
モリ３１からＣＦＧルールを読み出す。次いで、ステッ
プＳ２２において、読み出したＣＦＧルールを用いて構
文解析データを作成し、ステップＳ２３において、作成
した構文解析データに、発話開始記号＜ＢＥＧＩＮ＞及
び発話終了記号＜ＥＮＤ＞を追加して、前終端記号の２
つ組を抽出する。そして、ステップＳ２４において、前
終端記号の２つ組の頻度を計数し、ステップＳ２５にお
いて、時系列で前の記号毎に頻度を正規化して、前終端
記号のバイグラムを含む統計的言語モデルを生成する。
ステップＳ２４において、何らかの平滑化処理を施して
もよい。最後に、ステップＳ２６において、生成した統
計的言語モデルを統計的言語モデルメモリ１３に書き込
み、当該統計的言語モデル生成処理を終了する。
いて、まず、ステップＳ２１において、ＣＦＧルールメ
モリ３１からＣＦＧルールを読み出す。次いで、ステッ
プＳ２２において、読み出したＣＦＧルールを用いて構
文解析データを作成し、ステップＳ２３において、作成
した構文解析データに、発話開始記号＜ＢＥＧＩＮ＞及
び発話終了記号＜ＥＮＤ＞を追加して、前終端記号の２
つ組を抽出する。そして、ステップＳ２４において、前
終端記号の２つ組の頻度を計数し、ステップＳ２５にお
いて、時系列で前の記号毎に頻度を正規化して、前終端
記号のバイグラムを含む統計的言語モデルを生成する。
ステップＳ２４において、何らかの平滑化処理を施して
もよい。最後に、ステップＳ２６において、生成した統
計的言語モデルを統計的言語モデルメモリ１３に書き込
み、当該統計的言語モデル生成処理を終了する。
【００４８】図５は、図１のＧＬＲパーザ５によって実
行される音声認識処理を示すフローチャートである。図
５において、まず、ステップＳ３１において、初期化処
理を実行する。具体的には次の処理を実行する。 （ａ）現在の前終端記号に発話開始記号＜ＢＥＧＩＮ＞
を置く。 （ｂ）表６に示すような第１のＬＲテーブルのためのス
タック１メモリを用意し、スタック１に初期状態０を積
む。
行される音声認識処理を示すフローチャートである。図
５において、まず、ステップＳ３１において、初期化処
理を実行する。具体的には次の処理を実行する。 （ａ）現在の前終端記号に発話開始記号＜ＢＥＧＩＮ＞
を置く。 （ｂ）表６に示すような第１のＬＲテーブルのためのス
タック１メモリを用意し、スタック１に初期状態０を積
む。
【００４９】次いで、ステップＳ３２において、音声区
間が終了したか否かが判断され、音声区間が終了なら
ば、ステップＳ３７で音声認識候補データを出力して当
該音声認識処理を終了する。一方、音声区間が終了して
いないときは、ステップＳ３３に進む。ステップＳ３３
においては、次の前終端記号の予測処理と語の認識処理
の起動処理を実行する。具体的な処理は次の通りであ
る。 （ａ）スタック１の一番上の状態が表６に示す第１のＬ
Ｒテーブルの現在の状態を示しているので、それを参照
する。 （ｂ）レデュース命令があればそれを実行する。スタッ
ク１の内容が操作される。 （ｃ）シフト命令があれば、そこで予測されている次の
前終端記号と現在の前終端記号とのバイグラム（統計的
なつながりやすさ）を評価する。複数候補あれば、セル
をコピーして複数個の候補を残す。シフト命令で指定さ
れている状態へ移動する。
間が終了したか否かが判断され、音声区間が終了なら
ば、ステップＳ３７で音声認識候補データを出力して当
該音声認識処理を終了する。一方、音声区間が終了して
いないときは、ステップＳ３３に進む。ステップＳ３３
においては、次の前終端記号の予測処理と語の認識処理
の起動処理を実行する。具体的な処理は次の通りであ
る。 （ａ）スタック１の一番上の状態が表６に示す第１のＬ
Ｒテーブルの現在の状態を示しているので、それを参照
する。 （ｂ）レデュース命令があればそれを実行する。スタッ
ク１の内容が操作される。 （ｃ）シフト命令があれば、そこで予測されている次の
前終端記号と現在の前終端記号とのバイグラム（統計的
なつながりやすさ）を評価する。複数候補あれば、セル
をコピーして複数個の候補を残す。シフト命令で指定さ
れている状態へ移動する。
【００５０】次いで、ステップＳ３４においては、語の
認識処理の初期化処理を実行する。具体的な処理は次の
通りである。 （ａ）セル毎に予測された前終端記号を現在の前終端記
号とする。 （ｂ）セル毎に表７及び表８に示す第２のＬＲテーブル
のためのスタック２メモリを用意し、初期状態０を積
む。
認識処理の初期化処理を実行する。具体的な処理は次の
通りである。 （ａ）セル毎に予測された前終端記号を現在の前終端記
号とする。 （ｂ）セル毎に表７及び表８に示す第２のＬＲテーブル
のためのスタック２メモリを用意し、初期状態０を積
む。
【００５１】そして、ステップＳ３５において、語の認
識処理の終了条件検査を行い、すなわち、受理（ａｃ
ｃ）に至ったか否かが判断される。ここで、受理（ａｃ
ｃ）に至ったときは、ステップＳ３２に戻り、終了条件
検査を実行する。一方、受理（ａｃｃ）に至らないとき
は、ステップＳ３６に進み、語の認識処理を実行する。
具体的には次の処理を行う。 （ａ）スタック２の一番上の状態が表７及び表８に示す
第２のＬＲテーブルの現在の状態を示しているので、そ
れを参照する。 （ｂ）レデュース命令があればそれを実行する。スタッ
ク２の内容が操作される。 （ｃ）シフト命令があれば、その条件に現在の前終端記
号が指定されているものだけを音素照合する。複数候補
あれば、セルをコピーして複数個の候補を残す。シフト
命令で指定されている状態へ移動する。 （ｄ）音素照合の度に（又は音声の入力フレーム毎
に）、音素照合スコアと前終端記号バイグラムを合わせ
た評価スコアで、所定のしきい値を用いて枝刈りを行
う。すなわち、上記しきい値以下のスコアを有するもの
をビーム探索して枝刈りを実行する。 （ｅ）そして、ステップＳ３５の語の認識処理の終了条
件検査に進む。
識処理の終了条件検査を行い、すなわち、受理（ａｃ
ｃ）に至ったか否かが判断される。ここで、受理（ａｃ
ｃ）に至ったときは、ステップＳ３２に戻り、終了条件
検査を実行する。一方、受理（ａｃｃ）に至らないとき
は、ステップＳ３６に進み、語の認識処理を実行する。
具体的には次の処理を行う。 （ａ）スタック２の一番上の状態が表７及び表８に示す
第２のＬＲテーブルの現在の状態を示しているので、そ
れを参照する。 （ｂ）レデュース命令があればそれを実行する。スタッ
ク２の内容が操作される。 （ｃ）シフト命令があれば、その条件に現在の前終端記
号が指定されているものだけを音素照合する。複数候補
あれば、セルをコピーして複数個の候補を残す。シフト
命令で指定されている状態へ移動する。 （ｄ）音素照合の度に（又は音声の入力フレーム毎
に）、音素照合スコアと前終端記号バイグラムを合わせ
た評価スコアで、所定のしきい値を用いて枝刈りを行
う。すなわち、上記しきい値以下のスコアを有するもの
をビーム探索して枝刈りを実行する。 （ｅ）そして、ステップＳ３５の語の認識処理の終了条
件検査に進む。
【００５２】以上に述べた処理により生成された第１と
第２のＬＲテーブル及び統計的言語モデルを、図１に示
すＳＳＳ（Successive State Splitting：逐次状態分割
法）−ＬＲ（left-to-right rightmost型）不特定話者
の自由発話連続音声認識装置に適用する。この連続音声
認識装置は、ＨＭ網と呼ばれる音素環境依存型の効率の
よいＨＭＭの表現形式を用いている。また、上記ＳＳＳ
においては、音素の特徴空間上に割り当てられた確率的
定常信号源（状態）の間の確率的な遷移により音声パラ
メータの時間的な推移を表現した確率モデルに対して、
尤度最大化の基準に基づいて個々の状態をコンテキスト
方向又は時間方向へ分割するという操作を繰り返すこと
によって、モデルの精密化を逐次的に実行する。
第２のＬＲテーブル及び統計的言語モデルを、図１に示
すＳＳＳ（Successive State Splitting：逐次状態分割
法）−ＬＲ（left-to-right rightmost型）不特定話者
の自由発話連続音声認識装置に適用する。この連続音声
認識装置は、ＨＭ網と呼ばれる音素環境依存型の効率の
よいＨＭＭの表現形式を用いている。また、上記ＳＳＳ
においては、音素の特徴空間上に割り当てられた確率的
定常信号源（状態）の間の確率的な遷移により音声パラ
メータの時間的な推移を表現した確率モデルに対して、
尤度最大化の基準に基づいて個々の状態をコンテキスト
方向又は時間方向へ分割するという操作を繰り返すこと
によって、モデルの精密化を逐次的に実行する。
【００５３】図１において、話者の自由発話の発声音声
文の音声はマイクロホン１ａに入力されて音声信号に変
換された後、Ａ／Ｄ変換器１ｂに入力される。Ａ／Ｄ変
換器１ｂは入力された音声信号をＡ／Ｄ変換した後、特
徴抽出部２に出力し、特徴抽出部２は、例えばＬＰＣ分
析を実行し、対数パワー、１６次ケプストラム係数、Δ
対数パワー及び１６次Δケプストラム係数を含む３４次
元の特徴パラメータを抽出する。抽出された特徴パラメ
ータの時系列はバッファメモリ３を介して音素照合部４
に入力される。
文の音声はマイクロホン１ａに入力されて音声信号に変
換された後、Ａ／Ｄ変換器１ｂに入力される。Ａ／Ｄ変
換器１ｂは入力された音声信号をＡ／Ｄ変換した後、特
徴抽出部２に出力し、特徴抽出部２は、例えばＬＰＣ分
析を実行し、対数パワー、１６次ケプストラム係数、Δ
対数パワー及び１６次Δケプストラム係数を含む３４次
元の特徴パラメータを抽出する。抽出された特徴パラメ
ータの時系列はバッファメモリ３を介して音素照合部４
に入力される。
【００５４】音素照合部４に接続されるＨＭ網メモリ１
０内のＨＭ網は、各状態をノードとする複数のネットワ
ークとして表され、各状態はそれぞれ以下の情報を有す
る。 （ａ）状態番号 （ｂ）受理可能なコンテキストクラス （ｃ）先行状態、及び後続状態のリスト （ｄ）出力確率密度分布のパラメータ （ｅ）自己遷移確率及び後続状態への遷移確率
０内のＨＭ網は、各状態をノードとする複数のネットワ
ークとして表され、各状態はそれぞれ以下の情報を有す
る。 （ａ）状態番号 （ｂ）受理可能なコンテキストクラス （ｃ）先行状態、及び後続状態のリスト （ｄ）出力確率密度分布のパラメータ （ｅ）自己遷移確率及び後続状態への遷移確率
【００５５】なお、本実施形態において、音響モデルで
あるＨＭ網は、各分布がどの話者に由来するかを特定す
る必要があるため、所定の話者混合ＨＭ網を変換して作
成する。ここで、出力確率密度関数は３４次元の対角共
分散行列をもつ混合ガウス分布であり、各分布はある特
定の話者のサンプルを用いて学習されている。
あるＨＭ網は、各分布がどの話者に由来するかを特定す
る必要があるため、所定の話者混合ＨＭ網を変換して作
成する。ここで、出力確率密度関数は３４次元の対角共
分散行列をもつ混合ガウス分布であり、各分布はある特
定の話者のサンプルを用いて学習されている。
【００５６】音素照合部４は、ＧＬＲパーザ５からの音
素照合要求に応じて音素照合処理を実行する。このとき
に、ＧＬＲパーザ５からは、音素照合区間及び照合対象
音素とその前後の音素から成る音素コンテキスト情報が
渡される。音素照合部４は、受け取った音素コンテキス
ト情報に基づいてそのようなコンテキストを受理するこ
とができるＨＭ網上の状態を、先行状態リストと後続状
態リストの制約内で連結することによって、１つのモデ
ルが選択される。そして、このモデルを用いて音素照合
区間内のデータに対する尤度が計算され、この尤度の値
が音素照合スコアとしてＧＬＲパーザ５に返される。こ
のときに用いられるモデルは、隠れマルコフモデル（以
下、ＨＭＭという。）と等価であるために、尤度の計算
には通常のＨＭＭで用いられている前向きパスアルゴリ
ズムをそのまま使用する。
素照合要求に応じて音素照合処理を実行する。このとき
に、ＧＬＲパーザ５からは、音素照合区間及び照合対象
音素とその前後の音素から成る音素コンテキスト情報が
渡される。音素照合部４は、受け取った音素コンテキス
ト情報に基づいてそのようなコンテキストを受理するこ
とができるＨＭ網上の状態を、先行状態リストと後続状
態リストの制約内で連結することによって、１つのモデ
ルが選択される。そして、このモデルを用いて音素照合
区間内のデータに対する尤度が計算され、この尤度の値
が音素照合スコアとしてＧＬＲパーザ５に返される。こ
のときに用いられるモデルは、隠れマルコフモデル（以
下、ＨＭＭという。）と等価であるために、尤度の計算
には通常のＨＭＭで用いられている前向きパスアルゴリ
ズムをそのまま使用する。
【００５７】ＧＬＲパーザ５は、第１と第２のＬＲテー
ブルと統計的言語モデルとをを参照して、上述の音声認
識処理（図５参照。）を実行することにより、入力され
た音素予測データについて左から右方向に、後戻りなし
に処理する。構文的にあいまいさがある場合は、スタッ
クを分割してすべての候補の解析が平行して処理され
る。ＧＬＲパーザ５は、第１と第２のＬＲテーブル及び
統計的言語モデルを参照して次にくる音素を予測して音
素予測データを音素照合部４に出力する。これに応答し
て、音素照合部４は、その音素に対応するＨＭ網メモリ
１０内のＨＭ網情報を参照して照合し、その尤度を音声
認識スコアとしてＧＬＲパーザ５に戻し、順次音素を連
接していくことにより、連続音声の認識を行っている。
複数の音素が予測された場合は、これらすべての存在を
チェックし、ビームサーチの方法により、部分的な音声
認識の尤度の高い部分木を残すという枝刈りを行って高
速処理を実現する。入力された話者音声の最後まで処理
した後、全体の尤度が最大のもの又は所定の上位複数個
のものを認識結果データ又は結果候補データとして出力
する。
ブルと統計的言語モデルとをを参照して、上述の音声認
識処理（図５参照。）を実行することにより、入力され
た音素予測データについて左から右方向に、後戻りなし
に処理する。構文的にあいまいさがある場合は、スタッ
クを分割してすべての候補の解析が平行して処理され
る。ＧＬＲパーザ５は、第１と第２のＬＲテーブル及び
統計的言語モデルを参照して次にくる音素を予測して音
素予測データを音素照合部４に出力する。これに応答し
て、音素照合部４は、その音素に対応するＨＭ網メモリ
１０内のＨＭ網情報を参照して照合し、その尤度を音声
認識スコアとしてＧＬＲパーザ５に戻し、順次音素を連
接していくことにより、連続音声の認識を行っている。
複数の音素が予測された場合は、これらすべての存在を
チェックし、ビームサーチの方法により、部分的な音声
認識の尤度の高い部分木を残すという枝刈りを行って高
速処理を実現する。入力された話者音声の最後まで処理
した後、全体の尤度が最大のもの又は所定の上位複数個
のものを認識結果データ又は結果候補データとして出力
する。
【００５８】なお、バッファメモリ３と、ＨＭ網メモリ
１０と、第１のＬＲテーブルメモリ１１と、第２のＬＲ
テーブルメモリ１２と、統計的言語モデルメモリ１３
と、ＣＦＧルールメモリ３１と、語彙規則メモリ３２と
は、例えば、ハードディスクメモリなどの記憶装置で構
成される。また、スタック１メモリとスタック２メモリ
とは、例えば、ＲＡＭなどの記憶装置で構成される。さ
らに、特徴抽出部２と、音素照合部４と、ＧＬＲパーザ
５と、第１のＬＲテーブル生成部２１と、第２のＬＲテ
ーブル生成部２２と、統計的言語モデル生成部２３と
は、例えばディジタル計算機などのコンピュータで構成
される。
１０と、第１のＬＲテーブルメモリ１１と、第２のＬＲ
テーブルメモリ１２と、統計的言語モデルメモリ１３
と、ＣＦＧルールメモリ３１と、語彙規則メモリ３２と
は、例えば、ハードディスクメモリなどの記憶装置で構
成される。また、スタック１メモリとスタック２メモリ
とは、例えば、ＲＡＭなどの記憶装置で構成される。さ
らに、特徴抽出部２と、音素照合部４と、ＧＬＲパーザ
５と、第１のＬＲテーブル生成部２１と、第２のＬＲテ
ーブル生成部２２と、統計的言語モデル生成部２３と
は、例えばディジタル計算機などのコンピュータで構成
される。
【００５９】
【実施例】本発明者は、本実施形態の装置の効果を確認
するために、ポーズ単位の対話音声認識実験を種々の条
件の下で行った。本出願人で収集作成中の旅行会話デー
タベース（例えば、従来技術文献４「T.Morimoto et a
l.,“A Speech and Language Database for Speech Tra
nslation Research",Proceedings of ICSLP'94,pp.1791
-1794,1994年」参照。）から選択した対話音声を対象に
実験を行った。ポーズの自動検出を行って分割した音声
区間を認識対象とした。対数パワーとゼロ交差数の２つ
の特徴量を用い、３００ミリ秒より長いものを選択すれ
ば、促音と区別してポーズを検出できた（今回実験に用
いた対話音声データに限る。我々の集めている旅行会話
データベース全体の特徴という主張ではない。）。音素
モデルとしては、音素バランスの５０文によりＶＦＳ法
で話者適応を行ったモデル（状態数４０１，混合数５）
（例えば、従来技術文献５「外村政啓ほか，“ＭＡＰ−
ＶＦＳ話者適応法における平滑化係数制御の効果”，日
本音響学会講演論文集，２−５−６，１９９５年」参
照。）を利用した。音声の分析フレーム長は１０ｍｓと
した。音声認識の探索手法はフレーム同期方式を採用し
た。なお、実験に利用したマシンはヒューレット・パッ
カード製９０００／７３５型ワークステーションであ
る。そして、文法の諸元を表１２に示す。
するために、ポーズ単位の対話音声認識実験を種々の条
件の下で行った。本出願人で収集作成中の旅行会話デー
タベース（例えば、従来技術文献４「T.Morimoto et a
l.,“A Speech and Language Database for Speech Tra
nslation Research",Proceedings of ICSLP'94,pp.1791
-1794,1994年」参照。）から選択した対話音声を対象に
実験を行った。ポーズの自動検出を行って分割した音声
区間を認識対象とした。対数パワーとゼロ交差数の２つ
の特徴量を用い、３００ミリ秒より長いものを選択すれ
ば、促音と区別してポーズを検出できた（今回実験に用
いた対話音声データに限る。我々の集めている旅行会話
データベース全体の特徴という主張ではない。）。音素
モデルとしては、音素バランスの５０文によりＶＦＳ法
で話者適応を行ったモデル（状態数４０１，混合数５）
（例えば、従来技術文献５「外村政啓ほか，“ＭＡＰ−
ＶＦＳ話者適応法における平滑化係数制御の効果”，日
本音響学会講演論文集，２−５−６，１９９５年」参
照。）を利用した。音声の分析フレーム長は１０ｍｓと
した。音声認識の探索手法はフレーム同期方式を採用し
た。なお、実験に利用したマシンはヒューレット・パッ
カード製９０００／７３５型ワークステーションであ
る。そして、文法の諸元を表１２に示す。
【００６０】
【表１２】 文法の諸元 ─────────────────────────────────── 文法名 語数 規則数 前終端記号数 語パープレキシティ ──────────────── 文法のみ 前終端記号ハ゛イク゛ラム併用時 ─────────────────────────────────── ２Ｓ ３１７ １３９５ １８４ １８．６ １０．４ ２Ｍ ５６１ １５６７ ２４７ ３９．１ ２２．２ ２Ｌ １０１０ １８０９ ２９１ ７１．２ ２５．９ ───────────────────────────────────
【００６１】小さい文法は大きい文法の部分集合となっ
ている。旅行会話データベースからテストセットとは異
なる５０対話（１９５９文）を選び、前終端記号のバイ
グラムを求め、削除補間法により平滑化したところ、前
終端記号のみによるテストセットに対する語パープレキ
シティは２９．２であった。表１２から明らかなよう
に、いずれの文法の場合であっても、併用時の語パープ
レキシティの方が、元の文法のみの値や、前終端記号の
みの値いずれと比べても小さいことがわかる。
ている。旅行会話データベースからテストセットとは異
なる５０対話（１９５９文）を選び、前終端記号のバイ
グラムを求め、削除補間法により平滑化したところ、前
終端記号のみによるテストセットに対する語パープレキ
シティは２９．２であった。表１２から明らかなよう
に、いずれの文法の場合であっても、併用時の語パープ
レキシティの方が、元の文法のみの値や、前終端記号の
みの値いずれと比べても小さいことがわかる。
【００６２】次いで、評価尺度の検討について述べる。
かな漢字文字列に変換した表記により、正解ラベルと音
声認識候補の間でどの程度一致しているかを評価した。
ポーズ単位認識率は、ポーズ単位全体が正解ラベルとす
べて一致したものの全体に対する割合である。部分的に
正解が含まれることがあるため、語認識率も求めた。語
認識率は正解ラベルに対して音声認識候補の語が一致し
ている割合をＤＰマッチングにより求めた。上位候補に
対し個別に語認識率を計測した時の最大値を累積の語認
識率とした。
かな漢字文字列に変換した表記により、正解ラベルと音
声認識候補の間でどの程度一致しているかを評価した。
ポーズ単位認識率は、ポーズ単位全体が正解ラベルとす
べて一致したものの全体に対する割合である。部分的に
正解が含まれることがあるため、語認識率も求めた。語
認識率は正解ラベルに対して音声認識候補の語が一致し
ている割合をＤＰマッチングにより求めた。上位候補に
対し個別に語認識率を計測した時の最大値を累積の語認
識率とした。
【００６３】次いで、ポーズ単位の対話音声認識実験結
果について述べる。５対話、４話者、２話題（ホテルの
予約とホテルでのサービス）、６６発話、１１９ポーズ
単位、８４５語を対象に実験を行った。「あのキャンセ
ルしたいんですが」のように間投詞（この例では「あ
の」）も随所に挿入されている。「はい」のような感動
詞１語や「え」のような間投詞１語で一つのポーズ単位
となることもあるし、「あいにくですがシングルが満室
となっておりますが」という比較的長いポーズ単位もあ
る。なお、ポーズ単位の平均時間は１８７４ミリ秒であ
った。
果について述べる。５対話、４話者、２話題（ホテルの
予約とホテルでのサービス）、６６発話、１１９ポーズ
単位、８４５語を対象に実験を行った。「あのキャンセ
ルしたいんですが」のように間投詞（この例では「あ
の」）も随所に挿入されている。「はい」のような感動
詞１語や「え」のような間投詞１語で一つのポーズ単位
となることもあるし、「あいにくですがシングルが満室
となっておりますが」という比較的長いポーズ単位もあ
る。なお、ポーズ単位の平均時間は１８７４ミリ秒であ
った。
【００６４】図６は、従来例の連続音声認識装置におけ
るＣＰＵ時間に対するポーズ単位認識率を示すグラフで
あり、図７は、従来例の連続音声認識装置におけるＣＰ
Ｕ時間に対する語認識率を示すグラフである。図６及び
図７において、文法のみを利用し、個数によりビーム探
索を制限している。また、図８は、実施形態の連続音声
認識装置におけるＣＰＵ時間に対するポーズ単位認識率
を示すグラフであり、図９は、実施形態の連続音声認識
装置におけるＣＰＵ時間に対する語認識率を示すグラフ
である。図８及び図９は、しきい値によるビーム探索方
式の条件で、前終端記号のバイグラムを併用した場合の
結果である。図６乃至図９において、図６と図８のＴｏ
ｐ２０は上位２０位までの累積のポーズ単位認識率を示
し、図７と図９のＴｏｐ２０は上位２０位までの候補に
対して個別に語認識率を求めたときの最大値を示す。ま
た、図６及び図７のＢはビームに残す個数であり、図８
及び図９のＢｅａｍはビームのしきい値である。
るＣＰＵ時間に対するポーズ単位認識率を示すグラフで
あり、図７は、従来例の連続音声認識装置におけるＣＰ
Ｕ時間に対する語認識率を示すグラフである。図６及び
図７において、文法のみを利用し、個数によりビーム探
索を制限している。また、図８は、実施形態の連続音声
認識装置におけるＣＰＵ時間に対するポーズ単位認識率
を示すグラフであり、図９は、実施形態の連続音声認識
装置におけるＣＰＵ時間に対する語認識率を示すグラフ
である。図８及び図９は、しきい値によるビーム探索方
式の条件で、前終端記号のバイグラムを併用した場合の
結果である。図６乃至図９において、図６と図８のＴｏ
ｐ２０は上位２０位までの累積のポーズ単位認識率を示
し、図７と図９のＴｏｐ２０は上位２０位までの候補に
対して個別に語認識率を求めたときの最大値を示す。ま
た、図６及び図７のＢはビームに残す個数であり、図８
及び図９のＢｅａｍはビームのしきい値である。
【００６５】前終端記号バイグラムを予測的に評価す
る、効率的な探索手法を実現し、その効果を確認した。
比較例はＣＰＵ時間で計測して実時間のほぼ２倍乃至そ
れ以上であったが、本実施形態は中小の語彙サイズであ
れば実時間処理をほぼ達成した。ビーム探索において一
定の個数を残す手法としきい値による枝刈り手法を比較
した結果、しきい値による枝刈り手法のほうが効率的で
あることが確認できた。上記ビーム探索過程で利用す
る、音声認識のための尤度スコアＳｃｏｒｅの計算は次
の２つの式を試みた。
る、効率的な探索手法を実現し、その効果を確認した。
比較例はＣＰＵ時間で計測して実時間のほぼ２倍乃至そ
れ以上であったが、本実施形態は中小の語彙サイズであ
れば実時間処理をほぼ達成した。ビーム探索において一
定の個数を残す手法としきい値による枝刈り手法を比較
した結果、しきい値による枝刈り手法のほうが効率的で
あることが確認できた。上記ビーム探索過程で利用す
る、音声認識のための尤度スコアＳｃｏｒｅの計算は次
の２つの式を試みた。
【００６６】
【数７】Ｓｃｏｒｅ１＝ｌｏｇＰA＋Ｗｅｉｇｈｔ×
（ｌｏｇＰL／Ｎ）
（ｌｏｇＰL／Ｎ）
【数８】Ｓｃｏｒｅ２＝ｌｏｇＰA＋Ｗｅｉｇｈｔ×ｌ
ｏｇＰL
ｏｇＰL
【００６７】ここで、ＰAはＨＭ網による音響スコアで
あり、ＰLは第１と第２のＬＲテーブル及び統計的言語
モデルによる言語スコアである。Ｎは音素系列を構成す
る語数である。Ｗｅｉｇｈｔは重み係数である。音響ス
コアと言語スコアの対数の底を揃えた上で予備実験を行
い、Ｗｅｉｇｈｔは５．０とした。上記比較例に基づい
て行った、認識候補を後処理的に並べ換える予備実験で
は、語数で正規化したほうが正規化しない場合よりよい
結果が得られていた。しかしながら、実際に認識過程で
併用する実験を行うと、いずれもほぼ同程度の性能向上
が確認できたが、数７は正規化に要する計算量の処理時
間が増加した。要約すると、前終端記号バイグラムを数
８の評価方法で予測的に併用する探索手法で、しきい値
によるビーム探索を行う場合がよい。すなわち、音声認
識スコアは言語スコアＰLの対数値に音響スコアの対数
値を加算した値に設定することが好ましい。
あり、ＰLは第１と第２のＬＲテーブル及び統計的言語
モデルによる言語スコアである。Ｎは音素系列を構成す
る語数である。Ｗｅｉｇｈｔは重み係数である。音響ス
コアと言語スコアの対数の底を揃えた上で予備実験を行
い、Ｗｅｉｇｈｔは５．０とした。上記比較例に基づい
て行った、認識候補を後処理的に並べ換える予備実験で
は、語数で正規化したほうが正規化しない場合よりよい
結果が得られていた。しかしながら、実際に認識過程で
併用する実験を行うと、いずれもほぼ同程度の性能向上
が確認できたが、数７は正規化に要する計算量の処理時
間が増加した。要約すると、前終端記号バイグラムを数
８の評価方法で予測的に併用する探索手法で、しきい値
によるビーム探索を行う場合がよい。すなわち、音声認
識スコアは言語スコアＰLの対数値に音響スコアの対数
値を加算した値に設定することが好ましい。
【００６８】以上説明したように、所定のＣＦＧルール
に基づいて生成された第１のＬＲテーブルと、所定の語
彙規則に基づいて生成された第２のＬＲテーブルと、上
記ＣＦＧルールに基づいて生成された前終端記号のバイ
グラムを含む統計的言語モデルとを参照して、ＬＲ構文
解析処理を含む音声認識処理を実行するように構成した
ので、従来例及び比較例に比較して処理時間を短縮する
ことができるとともに、認識率を改善することができる
連続音声認識装置を提供することにある。すなわち、文
脈自由文法形式の統語的な制約を用いて、部分木系列を
スコア付きの仮説として出力する音声パーザにおいて、
辞書引きの実装方法とビーム探索の手法を改善すること
により、高速化と高性能化が達成することができるとい
う利点がある。
に基づいて生成された第１のＬＲテーブルと、所定の語
彙規則に基づいて生成された第２のＬＲテーブルと、上
記ＣＦＧルールに基づいて生成された前終端記号のバイ
グラムを含む統計的言語モデルとを参照して、ＬＲ構文
解析処理を含む音声認識処理を実行するように構成した
ので、従来例及び比較例に比較して処理時間を短縮する
ことができるとともに、認識率を改善することができる
連続音声認識装置を提供することにある。すなわち、文
脈自由文法形式の統語的な制約を用いて、部分木系列を
スコア付きの仮説として出力する音声パーザにおいて、
辞書引きの実装方法とビーム探索の手法を改善すること
により、高速化と高性能化が達成することができるとい
う利点がある。
【００６９】
【発明の効果】以上詳述したように本発明に係る請求項
１記載の連続音声認識装置によれば、入力される自由発
話の発声音声文の音声信号に基づいて音声認識する音声
認識手段を備えた連続音声認識装置において、上記音声
認識手段は、上記音声信号に基づいて所定の隠れマルコ
フモデルを参照して音素認識し、かつ、所定の文脈自由
文法規則に基づいて生成された第１のＬＲ構文解析テー
ブルと、所定の語彙規則に基づいて生成された第２のＬ
Ｒ構文解析テーブルと、上記文脈自由文法規則に基づい
て生成された、上記文脈自由文法規則で書き換えたとき
の末端の要素を示す終端記号の１つ手前の記号である前
終端記号のバイグラムを含む統計的言語モデルとを参照
して構文解析することにより、上記発声音声文を音声認
識する。従って、従来例及び比較例に比較して処理時間
を短縮することができるとともに、認識率を改善するこ
とができる。
１記載の連続音声認識装置によれば、入力される自由発
話の発声音声文の音声信号に基づいて音声認識する音声
認識手段を備えた連続音声認識装置において、上記音声
認識手段は、上記音声信号に基づいて所定の隠れマルコ
フモデルを参照して音素認識し、かつ、所定の文脈自由
文法規則に基づいて生成された第１のＬＲ構文解析テー
ブルと、所定の語彙規則に基づいて生成された第２のＬ
Ｒ構文解析テーブルと、上記文脈自由文法規則に基づい
て生成された、上記文脈自由文法規則で書き換えたとき
の末端の要素を示す終端記号の１つ手前の記号である前
終端記号のバイグラムを含む統計的言語モデルとを参照
して構文解析することにより、上記発声音声文を音声認
識する。従って、従来例及び比較例に比較して処理時間
を短縮することができるとともに、認識率を改善するこ
とができる。
【００７０】また、請求項２記載の連続音声認識装置に
おいては、請求項１記載の連続音声認識装置において、
上記語彙規則に対して開始記号から前終端記号への規則
を追加した後、第２のＬＲ構文解析テーブルの各状態
と、各状態の要素の命令内容を決定することにより、上
記第２のＬＲ構文解析テーブルを生成する生成手段をさ
らに備える。従って、語彙規則に基づいた上記第２のＬ
Ｒ構文解析テーブルを生成することができ、従来例及び
比較例に比較して処理時間を短縮することができるとと
もに、認識率を改善することができる。
おいては、請求項１記載の連続音声認識装置において、
上記語彙規則に対して開始記号から前終端記号への規則
を追加した後、第２のＬＲ構文解析テーブルの各状態
と、各状態の要素の命令内容を決定することにより、上
記第２のＬＲ構文解析テーブルを生成する生成手段をさ
らに備える。従って、語彙規則に基づいた上記第２のＬ
Ｒ構文解析テーブルを生成することができ、従来例及び
比較例に比較して処理時間を短縮することができるとと
もに、認識率を改善することができる。
【００７１】さらに、請求項３記載の連続音声認識装置
においては、請求項１又は２記載の連続音声認識装置に
おいて、上記音声認識手段は、上記隠れマルコフモデル
に基づいた音響スコアと、上記第１と第２のＬＲ構文解
析テーブルと上記統計的言語モデルとに基づいた言語ス
コアとに基づいて音声認識のための尤度スコアを計算
し、所定のしきい値を用いてビーム探索により音声認識
結果を決定する。従って、従来例及び比較例に比較して
処理時間を短縮することができるとともに、認識率を改
善することができる。
においては、請求項１又は２記載の連続音声認識装置に
おいて、上記音声認識手段は、上記隠れマルコフモデル
に基づいた音響スコアと、上記第１と第２のＬＲ構文解
析テーブルと上記統計的言語モデルとに基づいた言語ス
コアとに基づいて音声認識のための尤度スコアを計算
し、所定のしきい値を用いてビーム探索により音声認識
結果を決定する。従って、従来例及び比較例に比較して
処理時間を短縮することができるとともに、認識率を改
善することができる。
【００７２】またさらに、請求項４記載の連続音声認識
装置においては、請求項３記載の連続音声認識装置にお
いて、上記音声認識手段は、上記音響スコアの対数値
と、上記言語スコアの対数値に所定の重み係数を乗算し
た値とを加算した値を尤度スコアとして計算する。従っ
て、尤度スコアを簡便に計算することができるととも
に、従来例及び比較例に比較して処理時間を短縮するこ
とができるとともに、認識率を改善することができる。
装置においては、請求項３記載の連続音声認識装置にお
いて、上記音声認識手段は、上記音響スコアの対数値
と、上記言語スコアの対数値に所定の重み係数を乗算し
た値とを加算した値を尤度スコアとして計算する。従っ
て、尤度スコアを簡便に計算することができるととも
に、従来例及び比較例に比較して処理時間を短縮するこ
とができるとともに、認識率を改善することができる。
【図１】 本発明に係る一実施形態である連続音声認識
装置のブロック図である。
装置のブロック図である。
【図２】 図１の第１のＬＲテーブル生成部２１によっ
て実行される第１のＬＲテーブル生成処理を示すフロー
チャートである。
て実行される第１のＬＲテーブル生成処理を示すフロー
チャートである。
【図３】 図１の第２のＬＲテーブル生成部２２によっ
て実行される第２のＬＲテーブル生成処理を示すフロー
チャートである。
て実行される第２のＬＲテーブル生成処理を示すフロー
チャートである。
【図４】 図１の統計的言語モデル生成部２３によって
実行される統計的言語モデル生成処理を示すフローチャ
ートである。
実行される統計的言語モデル生成処理を示すフローチャ
ートである。
【図５】 図１のＧＬＲパーザ５によって実行される音
声認識処理を示すフローチャートである。
声認識処理を示すフローチャートである。
【図６】 比較例の連続音声認識装置におけるＣＰＵ時
間に対するポーズ単位認識率を示すグラフである。
間に対するポーズ単位認識率を示すグラフである。
【図７】 比較例の連続音声認識装置におけるＣＰＵ時
間に対する語認識率を示すグラフである。
間に対する語認識率を示すグラフである。
【図８】 実施形態の連続音声認識装置におけるＣＰＵ
時間に対するポーズ単位認識率を示すグラフである。
時間に対するポーズ単位認識率を示すグラフである。
【図９】 実施形態の連続音声認識装置におけるＣＰＵ
時間に対する語認識率を示すグラフである。
時間に対する語認識率を示すグラフである。
１ａ…マイクロホン、 １ｂ…Ａ／Ｄ変換器、 ２…特徴抽出部、 ３…バッファメモリ、 ４…音素照合部、 ５…一般化されたＬＲ構文解析部（ＧＬＲパーザ）、 １０…隠れマルコフ網メモリ（ＨＭ網メモリ）、 １１…ＣＦＧルールＬＲテーブルメモリ（第１のＬＲテ
ーブルメモリ）、 １２…語彙規則ＬＲテーブルメモリ（第２のＬＲテーブ
ルメモリ）、 １３…統計的言語モデルメモリ、 ２１…第１のＬＲテーブル生成部、 ２２…第２のＬＲテーブル生成部、 ２３…統計的言語モデル生成部、 ３１…文脈自由文法規則メモリ（ＣＦＧルールメモ
リ）、 ３２…語彙規則メモリ、 ４１…スタック１メモリ、 ４２…スタック２メモリ。
ーブルメモリ）、 １２…語彙規則ＬＲテーブルメモリ（第２のＬＲテーブ
ルメモリ）、 １３…統計的言語モデルメモリ、 ２１…第１のＬＲテーブル生成部、 ２２…第２のＬＲテーブル生成部、 ２３…統計的言語モデル生成部、 ３１…文脈自由文法規則メモリ（ＣＦＧルールメモ
リ）、 ３２…語彙規則メモリ、 ４１…スタック１メモリ、 ４２…スタック２メモリ。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平８−278793（ＪＰ，Ａ) 特開 平８−248981（ＪＰ，Ａ) 特開 平８−248980（ＪＰ，Ａ) 特開 平８−30291（ＪＰ，Ａ) 特開 平７−287594（ＪＰ，Ａ) 特開 平６−95688（ＪＰ，Ａ) 特開 平８−286694（ＪＰ，Ａ) 電子情報通信学会論文誌 Ｖｏｌ．Ｊ 79−Ｄ−▲ＩＩ▼ Ｎｏ．12，Ｄｅｃｅ ｍｂｅｒ 1996，「部分木に基づく構文 規則と前終端記号バイグラムを併用する 対話音声認識手法」，ｐ．2078−2085 （平成８年12月25日発行) 情報処理学会研究報告［音声言語情報 処理」Ｖｏｌ．97，Ｎｏ．16，97−ＳＬ Ｐ−15−25，「ＭＳＬＲ法を考慮した音 声認識用日本語文法 −ＬＲ表工学 （３）−」ｐ．145−150，（1997／２ ／８) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/18 G10L 15/14 ＪＩＣＳＴファイル（ＪＯＩＳ) 実用ファイル（ＰＡＴＯＬＩＳ) 特許ファイル（ＰＡＴＯＬＩＳ)
Claims (4)
- 【請求項１】 入力される自由発話の発声音声文の音声
信号に基づいて音声認識する音声認識手段を備えた連続
音声認識装置において、 上記音声認識手段は、上記音声信号に基づいて所定の隠
れマルコフモデルを参照して音素認識し、かつ、所定の
文脈自由文法規則に基づいて生成された第１のＬＲ構文
解析テーブルと、所定の語彙規則に基づいて生成された
第２のＬＲ構文解析テーブルと、上記文脈自由文法規則
に基づいて生成された、上記文脈自由文法規則で書き換
えたときの末端の要素を示す終端記号の１つ手前の記号
である前終端記号のバイグラムを含む統計的言語モデル
とを参照して構文解析することにより、上記発声音声文
を音声認識することを特徴とする連続音声認識装置。 - 【請求項２】 上記語彙規則に対して開始記号から前終
端記号への規則を追加した後、第２のＬＲ構文解析テー
ブルの各状態と、各状態の要素の命令内容を決定するこ
とにより、上記第２のＬＲ構文解析テーブルを生成する
生成手段をさらに備えたことを特徴とする請求項１記載
の連続音声認識装置。 - 【請求項３】 上記音声認識手段は、上記隠れマルコフ
モデルに基づいた音響スコアと、上記第１と第２のＬＲ
構文解析テーブルと上記統計的言語モデルとに基づいた
言語スコアとに基づいて音声認識のための尤度スコアを
計算し、所定のしきい値を用いてビーム探索により音声
認識結果を決定することを特徴とする請求項１又は２記
載の連続音声認識装置。 - 【請求項４】 上記音声認識手段は、上記音響スコアの
対数値と、上記言語スコアの対数値に所定の重み係数を
乗算した値とを加算した値を尤度スコアとして計算する
ことを特徴とする請求項３記載の連続音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8330679A JP3027543B2 (ja) | 1996-12-11 | 1996-12-11 | 連続音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8330679A JP3027543B2 (ja) | 1996-12-11 | 1996-12-11 | 連続音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10171490A JPH10171490A (ja) | 1998-06-26 |
| JP3027543B2 true JP3027543B2 (ja) | 2000-04-04 |
Family
ID=18235373
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8330679A Expired - Fee Related JP3027543B2 (ja) | 1996-12-11 | 1996-12-11 | 連続音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3027543B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000293196A (ja) * | 1999-04-08 | 2000-10-20 | Nec Corp | 音声認識装置、方法及びプログラムを記憶した記憶媒体 |
| US7031908B1 (en) * | 2000-06-01 | 2006-04-18 | Microsoft Corporation | Creating a language model for a language processing system |
| KR20040051349A (ko) * | 2002-12-12 | 2004-06-18 | 한국전자통신연구원 | 출현불가능한 어휘조합에 대한 정보를 반영한 연속 음성인식 방법 |
| JP4267385B2 (ja) | 2003-06-30 | 2009-05-27 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 統計的言語モデル生成装置、音声認識装置、統計的言語モデル生成方法、音声認識方法、およびプログラム |
| CN102027534B (zh) | 2008-05-16 | 2013-07-31 | 日本电气株式会社 | 语言模型得分前瞻值赋值方法及设备 |
| US10885918B2 (en) | 2013-09-19 | 2021-01-05 | Microsoft Technology Licensing, Llc | Speech recognition using phoneme matching |
| US9601108B2 (en) | 2014-01-17 | 2017-03-21 | Microsoft Technology Licensing, Llc | Incorporating an exogenous large-vocabulary model into rule-based speech recognition |
| US10749989B2 (en) | 2014-04-01 | 2020-08-18 | Microsoft Technology Licensing Llc | Hybrid client/server architecture for parallel processing |
-
1996
- 1996-12-11 JP JP8330679A patent/JP3027543B2/ja not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 情報処理学会研究報告［音声言語情報処理」Ｖｏｌ．９７，Ｎｏ．１６，９７−ＳＬＰ−１５−２５，「ＭＳＬＲ法を考慮した音声認識用日本語文法 −ＬＲ表工学（３）−」ｐ．１４５−１５０，（１９９７／２／８） |
| 電子情報通信学会論文誌 Ｖｏｌ．Ｊ７９−Ｄ−▲ＩＩ▼ Ｎｏ．１２，Ｄｅｃｅｍｂｅｒ １９９６，「部分木に基づく構文規則と前終端記号バイグラムを併用する対話音声認識手法」，ｐ．２０７８−２０８５（平成８年１２月２５日発行） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH10171490A (ja) | 1998-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Spoken language understanding | |
| Hori et al. | Efficient WFST-based one-pass decoding with on-the-fly hypothesis rescoring in extremely large vocabulary continuous speech recognition | |
| Ortmanns et al. | Language-model look-ahead for large vocabulary speech recognition | |
| Nakamura et al. | The ATR multilingual speech-to-speech translation system | |
| US6067514A (en) | Method for automatically punctuating a speech utterance in a continuous speech recognition system | |
| JP3716870B2 (ja) | 音声認識装置および音声認識方法 | |
| Hori et al. | A new approach to automatic speech summarization | |
| Aksënova et al. | How might we create better benchmarks for speech recognition? | |
| JP3027543B2 (ja) | 連続音声認識装置 | |
| JP2886117B2 (ja) | 音声認識装置 | |
| JP2871557B2 (ja) | 音声認識装置 | |
| JP2871420B2 (ja) | 音声対話システム | |
| JP3088364B2 (ja) | 音声言語理解装置及び音声言語理解システム | |
| JP3059413B2 (ja) | 自然言語理解装置及び自然言語理解システム | |
| JP2905674B2 (ja) | 不特定話者連続音声認識方法 | |
| US6772116B2 (en) | Method of decoding telegraphic speech | |
| JP2852210B2 (ja) | 不特定話者モデル作成装置及び音声認識装置 | |
| JP2880436B2 (ja) | 音声認識装置 | |
| JP2000222406A (ja) | 音声認識翻訳装置及び方法 | |
| JP2905686B2 (ja) | 音声認識装置 | |
| JP2001013992A (ja) | 音声理解装置 | |
| JP2781739B2 (ja) | 連続音声認識装置 | |
| Reddy et al. | Integration of ASR and machine translation models in a document translation task. | |
| JP2003099086A (ja) | 言語・音響モデル作成方法および言語・音響モデル作成装置ならびに言語・音響モデル作成プログラム | |
| Deng et al. | Recent Progress of Mandrain Spontaneous Speech Recognition on Mandrain Conversation Dialogue Corpus |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100128 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110128 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120128 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130128 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140128 Year of fee payment: 14 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |