JP3265864B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、自然言語によるマン
・マシン・インタフェースに用いられる音声認識装置に
関するものである。

【０００２】

【従来の技術】図２５は、例えば、Proceedings of 199
1 International Conference on Acoustics, Speech &
Signal Processingの701-704頁に示された従来の連続音
声認識装置である。３は構文ネットワークを保持する構
文ネットワーク記憶部、４は音響モデルの標準パタンを
保持する音響辞書部、５は前記構文ネットワークと前記
音響モデルを用いて、入力音声に対する構文仮説の探索
を構文ネットワークにしたがって行ない、構文ネットワ
ークの構文ノード、前記構文ノードに到達した時刻、前
記構文ノードで前記時刻での探索スコア、前記構文ノー
ドの１つ前に到達した構文ノード、前記１つ前に到達し
た構文ノードに到達した時刻、前記構文ノードと前記１
つ前の構文ノード間の単語を含む探索履歴を出力する前
向き探索部、５は前向き探索部から出力される探索履歴
を保持する探索履歴記憶部、８は探索履歴記憶部に保持
された探索履歴を読み出し、探索履歴にしたがって構文
ネットワーク上を辿り、認識結果を生成する後向き探索
部である。

【０００３】図２６は、前向き探索部５に入力される入
力音声を示す図である。入力される音声は、ｔ₀ ，
ｔ₁ ，ｔ₂ ，・・・のような一定時間間隔でフレーム単
位に抽出される。そして、抽出された音声は、周波数分
析がなされ、例えば、１６次元の特徴パラメータｖ₀ ，
ｖ₁ ，ｖ₂ ，・・・が抽出される。この特徴パラメータ
ｖ₀ ，ｖ₁ ，ｖ₂ ，・・・は、前向き探索部５に入力さ
れる。

【０００４】図２７は、音響辞書部４に記憶された音響
モデルの標準パタンを示す図である。例えば、音素／ａ
／の音響モデルとして、ＨＭＭ（隠れマルコフモデル）
によるパタンＡが登録されている。前向き探索部５は、
入力した特徴パラメータｖ₀，ｖ₁ ，ｖ₂ ，・・・の系
列を図２７に示すパタンＡ，パタンＢ，パタンＣ，・・
・と比較することにより、入力された特徴パラメータの
系列に対して各音素／ａ／，／ｉ／，／ｕ／，・・・の
尤度計算を行う。

【０００５】図２８は、構文ネットワークを生成するた
めの構文の一例を示す図である。構文規則は、規則部と
辞書部に分けられている。図２８の辞書部の右辺に記述
されたものは、終端記号と呼ばれる。終端記号は、それ
以上展開されることはない。即ち、規則部及び辞書部に
おいて、終端記号が左辺に記述されることはない。一
方、規則部及び辞書部において、〈 〉で挟まれた記号
は、非終端記号である。非終端記号は、辞書部におい
て、左辺に記述される。また、規則部は、左辺、右辺と
も非終端記号によって記述される。

【０００６】図２９は、図２８に示した構文により作成
された構文ネットワークを示す図である。図２９に示す
構文ネットワークは、構文ネットワーク記憶部３に記憶
されているネットワークである。図２９において、Ｎ
１，Ｎ２，Ｎ３・・・は、構文ノードである。また、１
つの構文ノードから他の構文ノードへの矢印は、構文ア
ークと呼ばれるものである。

【０００７】前向き探索部５は、例えば、音響分析され
たある時刻ｔ₂₃の特徴パラメータｖ₂₃が入力されると、
構文ネットワーク記憶部３に保持された構文ネットワー
ク、及び音響辞書部４に保持された標準パタンを参照し
て、構文ネットワークのすべての構文ノードに対して、
特徴パラメータとその構文ノードに接続している単語の
標準パタンを用いて尤度を計算する。この尤度が探索ス
コアである。そして、例えば、図３０に示すような探索
履歴を出力する。図３０に示す探索履歴は、図２９の構
文ネットワークにおける構文ノードＮ３での、単語ｈｊ
ａｋｕに対する時刻ｔ₂₃での探索履歴を示しており、ｇ
ｎには構文ノードＮ３、ｆｒｍには構文ノードＮ３に到
達した時刻ｔ₂₃、ｐｒｏｂには構文ノードＮ３で時刻ｔ
₂₃での探索スコア、ｐｇｎには構文ノードＮ３の１つ前
に到達した構文ノードＮ２、ｓｆｒｍ には１つ前に到
達した構文ノードＮ２に到達した時刻ｔ₁₅、ｗｏｒｄに
は構文ノードＮ３と１つ前に到達した構文ノードＮ２間
の単語ｈｊａｋｕ、が保持されている。

【０００８】次に、後向き探索部８の動作を図３１及び
図３２を用いて説明する。図３２に示すように、最終時
刻ｔ₇₃において生成された探索履歴の中で、最大の探索
スコアを持つ探索履歴を選択し、その後同様にして時刻
ｔ₃₅においても最大の探索スコアを持つ探索履歴を選択
する。このようにして、探索履歴の系列（ｊ）−（ｈ）
−（ｆ）−（ｃ）−（ａ）を得る。このようにして、正
解候補の１つとして「ｇｏ ｈｊａｋｕ ｅｎ ｄｅｏ
ｎｅｇａｉｓｉｍａｓｕ」という単語の系列を得る。ま
た、第２番目の探索スコア、あるいは、第３番目の探索
スコアの単語等を組み合せることにより、上位Ｎ個の正
解候補を得て、音声認識の結果とする。そして、これら
出力された単語の系列に対してその後、意味素性を抽出
する処理を行う。

【０００９】このように従来の音声認識装置において
は、前向き探索部５から出力されるすべての探索履歴が
探索履歴記憶部６に保持され、後向き探索部８において
索履歴記憶部６に保持された探索履歴を読み出し、探索
履歴にしたがって構文ネットワーク上を辿ることで認識
結果を生成することができる。

【００１０】

【発明が解決しようとする課題】音声認識装置を、自然
言語によるマン・マシン・インタフェースに用いる場
合、例えば、電話によるホテル予約システムに用いる場
合、システムを駆動するために認識結果に含まれる意味
を抽出する必要がある。しかしながら、上記のような従
来の音声認識装置では、後向き探索部８から出力される
認識結果が単語の系列であるので、認識処理の後に単語
から例えば意味素性を抽出する処理を行なう必要があっ
た。

【００１１】また、探索履歴記憶部６には、前向き探索
部５から出力されるすべての探索履歴が保持されるの
で、意味的には同じであるが、助詞や語尾などがわずか
に異なる構文仮説がすべて保持されることになる。この
結果、後向き探索部８から出力される上位Ｎ個の認識結
果は、意味的に同じ候補で占められ、正解が上位Ｎ個に
含まれないため、正しい認識結果が得られないという問
題点があった。

【００１２】この発明は、上述のような課題を解決する
ためになされたもので、第１の目的は、後向き探索にお
いて認識と同時に発話に含まれる意味素性を抽出し、意
味素性の系列としての認識結果を出力する音声認識装置
を得るものである。

【００１３】また、第２の目的は、上位Ｎ個の認識結果
が意味的に同じ候補で占められることなく、意味的に異
なった正解候補を多く出力する音声認識装置を得るもの
である。

【００１４】

【課題を解決するための手段】この発明に係る音声認識
装置は、意味情報を付与した構文ネットワークを保持す
る構文ネットワーク記憶部と、音響モデルの標準パタン
を保持する音響辞書部と、前記構文ネットワークと前記
音響モデルを用いて、入力音声に対する構文仮説の探索
を前記構文ネットワークにしたがって行ない、探索履歴
を出力する前向き探索部と、前記前向き探索部から出力
される探索履歴を保持する探索履歴記憶部と、前記構文
ネットワークに付与された意味情報を参照して、前記探
索履歴記憶部に保持される探索履歴を書き換える探索履
歴書き換え部と、前記探索履歴記憶部に保持された探索
履歴を読み出し、前記探索履歴にしたがって前記構文ネ
ットワーク上を辿ることによって、認識結果を生成する
後向き探索部を備えたことを特徴とする。

【００１５】前記音声認識装置は、更に、入力音声の文
法を規定する構文知識に意味情報を対応づけた構文・意
味知識を保持する構文・意味知識記憶部と、前記構文・
意味知識から意味情報を付与した構文ネットワークを生
成する構文ネットワーク生成部を備えたことを特徴とす
る。

【００１６】この発明に係る音声認識装置は、意味情報
と演算規則を付与した構文ネットワークを保持する構文
ネットワーク記憶部と、音響モデルの標準パタンを保持
する音響辞書部と、前記構文ネットワークと前記音響モ
デルを用いて、入力音声に対する構文仮説の探索を前記
構文ネットワークにしたがって行ない、探索履歴を出力
する前向き探索部と、前記前向き探索部から出力される
探索履歴を保持する探索履歴記憶部と、前記構文ネット
ワークに付与された意味情報を参照して、前記探索履歴
記憶部に保持される探索履歴を書き換える探索履歴書き
換え部と、前記探索履歴記憶部に保持された探索履歴を
読み出し、前記探索履歴にしたがって構文ネットワーク
上を辿り、前記構文ネットワーク上に付与された意味情
報及び演算規則により意味情報の演算を行ない、認識結
果を出力する後向き探索部を備えたことを特徴とする。

【００１７】前記音声認識装置は、更に、入力音声の文
法を規定する構文知識の中で、単語を規定する辞書部に
おいて単語に意味情報を対応づけ、規則部において意味
情報の演算規則を対応づけた構文・意味知識を保持す
る、構文・意味知識記憶部と、前記構文・意味知識か
ら、意味情報と演算規則を付与した構文ネットワークを
生成する構文ネットワーク生成部を備えたことを特徴と
する。

【００１８】この発明に係る音声認識装置は、前記前向
き探索部が前記構文ネットワークの構文ノード、前記構
文ノードに到達した時刻、前記構文ノードで前記時刻で
の探索スコア、前記構文ノードの１つ前に到達した構文
ノード、前記１つ前に到達した構文ノードに到達した時
刻、前記構文ノードと前記１つ前の構文ノード間の単語
を探索履歴として出力するとともに、前記探索履歴書き
換え部は、探索履歴記憶部に保持されている同時刻・同
構文ノードに対する探索履歴で、単語の意味情報が同一
であるものが複数存在する場合、前記意味情報が同一で
ある探索履歴の中の一部の探索履歴を前記探索履歴記憶
部に残して、前記意味情報が同一である他の探索履歴を
前記探索履歴記憶部から削除することを特徴とする。

【００１９】前記探索履歴書き換え部は、探索履歴記憶
部に保持されている探索履歴で、単語の意味情報が特定
のものである探索履歴を、その探索履歴が保持する１つ
前に到達した構文ノード及び１つ前に到達した構文ノー
ドに到達した時刻に対応する探索履歴で書き換えること
を特徴とする。

【００２０】

【作用】上記のように構成された音声認識装置において
は、探索履歴書き換え部が、構文ネットワークに付与さ
れた意味情報を参照して、探索履歴記憶部に保持される
探索履歴を書き換えるので、後向き探索部において認識
と同時に発話に含まれる意味を抽出し、意味の系列とし
ての認識結果を出力できるようになる。

【００２１】また、構文・意味知識記憶部が構文知識に
対して意味情報を対応づけて保持しているので、構文ネ
ットワーク生成部は、意味情報を付与した構文ネットワ
ークを自動的に生成する。

【００２２】更に、また、後向き探索部で、構文ネット
ワーク上に付与された意味情報及び意味情報の演算規則
により意味情報の演算を行なうので、意味情報の演算結
果を認識結果として出力できるようになる。

【００２３】また、構文・意味知識記憶部が意味情報と
演算規則を保持しているので、構文ネットワーク生成部
が意味情報と演算規則を付与した構文ネットワークを自
動的に生成する。

【００２４】また、探索履歴書き換え部が、探索履歴記
憶部に保持されている同時刻・同構文ノードで単語の意
味情報が同一である探索履歴のうち、一部を探索履歴記
憶部に残し、他の探索履歴を探索履歴記憶部から削除す
るため、探索履歴記憶部に保持される、同時刻・同構文
ノードで意味的に同じ構文仮説を持つ探索履歴の数が減
少し、後向き探索部が出力する上位Ｎ個の認識結果は、
意味的に異なった正解候補を多く含むようになる。

【００２５】更に、探索履歴書き換え部が、探索履歴記
憶部に保持されている探索履歴で、単語の意味素性が特
定のものである探索履歴を、その探索履歴が保持する１
つ前に到達した構文ノードかつ１つ前に到達した構文ノ
ードに到達した時刻に対応する探索履歴で書き換えるた
め、意味素性が特定のものである単語が構文仮説から削
除され、後向き探索部が出力する上位Ｎ個の認識結果
は、意味的に異なった正解候補を多く含むようになる。

【００２６】

【実施例】

実施例１．図１は、この発明の一実施例である音声認識
装置を示すもので、１は入力音声の文法を規定する構文
知識に意味情報を対応づけた、構文・意味知識を保持す
る構文・意味知識記憶部、２は前記構文・意味知識か
ら、意味情報を付与した構文ネットワークを生成する構
文ネットワーク生成部、３は前記構文ネットワーク生成
部が生成した構文ネットワークを保持する構文ネットワ
ーク記憶部である。４は音響モデルの標準パタンを保持
する音響辞書部、５は前記構文ネットワークと前記音響
モデルを用いて、入力音声に対する構文仮説の探索を前
記構文ネットワークにしたがって行ない、前記構文ネッ
トワークの構文ノード、前記構文ノードに到達した時
刻、前記構文ノードで前記時刻での探索スコア、前記構
文ノードの１つ前に到達した構文ノード、前記１つ前に
到達した構文ノードに到達した時刻、前記構文ノードと
前記１つ前の構文ノード間の単語を含む探索履歴を出力
する前向き探索部である。６は前記前向き探索部から出
力される探索履歴を保持する探索履歴記憶部、７は前記
構文ネットワークに付与された意味情報を参照して、前
記探索履歴記憶部に保持される探索履歴を書き換える探
索履歴書き換え部である。８は前記探索履歴記憶部に保
持された探索履歴を読み出し、前記探索履歴にしたがっ
て前記構文ネットワーク上を辿ることによって、認識結
果を生成する後向き探索部である。

【００２７】図２は、構文・意味知識記憶部１に保持さ
れる構文・意味知識の一例を示すものである。例えば、
右辺が終端記号ｈｊａｋｕである規則〈百〉：＝ｈｊａ
ｋｕでは、意味情報として意味素性１００を終端記号ｈ
ｊａｋｕに対して定義している。

【００２８】図３は、構文・意味知識記憶部１に保持さ
れる構文・意味知識から、構文ネットワーク生成部２に
よって生成され、構文ネットワーク記憶部３に保持され
る構文ネットワークの一例を示すものである。各々の構
文アークには、構文知識の終端記号が付与され、同時に
終端記号に対する意味素性も付与される。例えば、終端
記号ｈｊａｋｕの構文アークには、終端記号ｈｊａｋｕ
に対する意味情報として意味素性１００が付与されてい
る。

【００２９】図２及び図３において、格助詞と語尾に対
する意味情報として、意味素性ＮＵＬＬを付与してい
る。格助詞と語尾に対してＮＵＬＬを付与しているの
は、音声認識処理において、重要な意味を持たないと考
えているからである。例えば、ホテル予約システムにお
いて金額を質問した場合、音声認識装置は回答として金
額を認識できれば良い。したがって、回答が「５００円
でお願いします」、あるいは、「５００円がいいで
す」、あるいは、「５００円なんですが」等である場
合、音声認識装置は、「５００円」を認識できれば良
く、その他の単語に意味を持たせる必要がない。したが
って、図２及び図３に示すように、格助詞及び語尾に対
しては、ＮＵＬＬという意味素性を付与している。

【００３０】この実施例においても、従来例と同様、前
向き探索部５は、図４に示すような探索履歴を出力す
る。探索履歴書き換え部７は、構文ネットワーク記憶部
３に保持される構文ネットワークを参照することによ
り、探索履歴のｗｏｒｄ欄に記された単語を、その単語
の意味素性に書き換える。即ち、ｈｊａｋｕを１００に
書き換える。図４の探索履歴を書き換えた例を図５に示
す。

【００３１】後向き探索部８の動作を、図６に示す探索
履歴が探索履歴記憶部６に保持されている場合について
説明する。まず、入力音声の最終時刻ｔ₇₃、且つ、構文
ネットワークでの最終構文ノードＮ６に対応する探索履
歴の中で、最大の探索スコアを持つ探索履歴（ｊ）で示
される探索履歴を、探索履歴記憶部６から選ぶ。次に、
探索履歴（ｊ）のｐｇｎの値Ｎ５と等しい値をｇｎに持
ち、探索履歴（ｊ）のｓｆｒｍの値ｔ₃₅と等しい値をｆ
ｒｍに持つ探索履歴（ｇ），（ｈ），（ｉ）のうち、探
索スコアが最大の探索履歴（ｈ）を探索履歴記憶部６か
ら選ぶ。以下、同様に探索履歴を辿ることにより、探索
履歴の系列（ｊ）−（ｈ）−（ｆ）−（ｃ）−（ａ）が
得られる。得られる探索履歴の系列は、時間的に逆向き
であるので、系列の最後の探索履歴（ａ）から順次ｗｏ
ｒｄ欄を参照することで、意味素性の系列「５ １００
ＭＯＮＥＹ ＮＵＬＬ ＮＵＬＬ」を認識結果として出
力する。

【００３２】以上のように、この実施例に係わる音声認
識装置は、入力音声の文法を規定する構文知識に意味情
報を対応づけた、構文・意味知識を保持する構文・意味
知識記憶部と、前記構文・意味知識から、意味情報を付
与した構文ネットワークを生成する構文ネットワーク生
成部と、前記構文ネットワーク生成部が生成した構文ネ
ットワークを保持する構文ネットワーク記憶部と、音響
モデルの標準パタンを保持する音響辞書部と、前記構文
ネットワークと前記音響モデルを用いて、入力音声に対
する構文仮説の探索を前記構文ネットワークにしたがっ
て行ない、前記構文ネットワークの構文ノード、前記構
文ノードに到達した時刻、前記構文ノードで前記時刻で
の探索スコア、前記構文ノードの１つ前に到達した構文
ノード、前記１つ前に到達した構文ノードに到達した時
刻、前記構文ノードと前記１つ前の構文ノード間の単語
を含む探索履歴を出力する前向き探索部と、前記前向き
探索部から出力される探索履歴を保持する探索履歴記憶
部と、前記構文ネットワークに付与された意味情報を参
照して、前記探索履歴記憶部に保持される探索履歴を書
き換える探索履歴書き換え部と、前記探索履歴記憶部に
保持された探索履歴を読み出し、前記探索履歴にしたが
って前記構文ネットワーク上を辿ることによって、認識
結果を生成する後向き探索部を備えたものである。

【００３３】実施例２． この発明の一実施例である、図１の探索履歴書き換え部
７の動作について説明する。なお、実施例２において、
図１の１〜６及び８の動作は、実施例１と同じなので省
略する。この実施例では、意味的に同様な正解候補が多
数発生することを防止する例について説明する。例え
ば、認識結果が「ｇｏ ｈｊａｋｕ」、あるいは、「ｇ
ｏ ｂｊａｋｕ」、あるいは、「ｇｏ ｐｊａｋｕ」の
いずれの場合であっても「５ １００」を意味するもの
であり、これら３つの認識結果を１つの認識結果にまと
めてしまう例について説明する。

【００３４】図７は、探索履歴記憶部６に保持された探
索履歴の中で、ｇｎ，ｆｒｍ，ｐｇｎ，ｓｆｒｍがすべ
て等しい３つの探索履歴の一例を示すものである。探索
履歴書き換え部７は、ネットワーク記憶部３に保持され
る構文ネットワークを参照することにより、それぞれの
探索履歴のｗｏｒｄ欄に記された単語の意味素性を得
る。図７に示す３つの探索履歴に記された単語は、すべ
て同じ意味素性１００を持つので、探索履歴書き換え部
７は、探索スコアｐｒｏｂが最大でない探索履歴（ｂ）
及び探索履歴（ｃ）を探索履歴記憶部６から削除する。
これは、時刻ｔ₂₃において構文ノードＮ３に到達する意
味的に同じ２つの構文仮説を棄却したことに他ならな
い。したがって、後向き探索部８において、これら２つ
の構文仮説に基づいた認識結果が生成されることはな
い。

【００３５】図８は、探索履歴書き換え部の７の動作を
示すタイミングチャート図である。図６に示すような
（ａ）〜（ｌ）までの探索履歴は、図８に示すような時
刻に前向き探索部５により生成され、探索履歴記憶部６
に記憶される。例えば、時刻ｔ₂₃において、探索履歴
（ｃ），（ｄ），（ｅ）が探索履歴記憶部６に一度記憶
される。探索履歴書き換え部７は、時刻ｔ₂₃に生成され
た３つの探索履歴を検査し、前述したように、ｇｎ，ｆ
ｒｍ，ｐｇｎ，ｓｆｒｍがすべて等しい場合に、探索ス
コアが最大のものを除き、他のものを削除する。図８に
示す例においては、探索履歴（ｃ）が残され、探索履歴
（ｄ）と（ｅ）が削除される。同様のことが時刻ｔ₃₅に
も行われ、探索履歴（ｈ）のみが残され、他の探索履歴
（ｇ）と（ｉ）が削除される。更に、時刻ｔ₇₃において
は、探索履歴（ｇ）が残され、他の探索履歴（ｋ）と
（ｌ）が削除される。

【００３６】図９は、探索履歴が削除される前と削除さ
れた後の状態を示す図である。図９（ａ）は、探索履歴
書き換え部が実施例１による意味素性付与機能を有して
いる場合の認識結果を示す図である。図９（ｂ）は、探
索履歴書き換え部が実施例２による探索履歴削除機能を
有する場合の認識結果を示すものである。図９（ａ）の
場合、２×３×３×３＝５４通りの組み合せが考えら
れ、上位Ｎ個の正解候補は、５４通りの中からＮ個のも
のを選び出すことになる。しかし、５４通りの組み合せ
の中には、意味素性が同じ物が多数含まれているため、
上位Ｎ個には、結果として同じ物が多数含まれてしま
う。しかし、図９（ｂ）に示すように、意味的に同じも
のを削除した場合には、２通りの組み合せしか存在せ
ず、上位Ｎ個に対して、意味の異なる正解候補を多く得
ることが可能になる。

【００３７】なお、図８において、探索履歴書き換え部
７が探索履歴を削除するのは、探索履歴が新たに生成さ
れたそれぞれの時刻において行う場合を説明したが、探
索履歴記憶部６に探索履歴が記憶される時刻には削除を
行わず、後向き探索部８が後向きの探索を実行する直前
に、探索履歴書き換え部７が探索履歴記憶部に記憶され
た不必要な探索履歴を削除するようにしても構わない。
なお、図９（ｃ）については、後述する実施例３におい
て説明する。

【００３８】以上のように、この実施例は、探索履歴記
憶部に保持されている同時刻・同構文ノードに対する探
索履歴で、単語の意味素性が同一であるものが複数存在
する場合、前記意味素性が同一である探索履歴の中で最
大のスコアを持つもののみを前記探索履歴記憶部に残し
て、他の前記意味素性が同一である探索履歴を前記探索
履歴記憶部から削除する探索履歴書き換え部を備えたも
のである。

【００３９】実施例３．この発明の一実施例である、図
１の探索履歴書き換え部７の動作を、探索履歴記憶部６
に図１０に示す探索履歴が保持されている場合について
説明する。なお、実施例３において、図１の１〜６及び
８の動作は、実施例１と同じなので省略する。この実施
例においては、認識結果に対して影響を与えない意味素
性のものを予め削除してしまう場合について説明する。
例えば、「５００円で」という認識結果があった場合
に、これを「５００円」としてしまうような場合であ
る。「で」の意味素性がＮＵＬＬである場合に、「で」
はなくても良いと考え、この「で」を削除する場合につ
いて以下に説明する。

【００４０】探索履歴書き換え部７は、探索履歴記憶部
６に保持された探索履歴の中で、ある特定の意味素性、
例えば、認識結果として必要でない意味素性ＮＵＬＬを
持つ単語の探索履歴（ｄ）に対して以下のような書き換
えを行なう。まず、探索履歴（ｄ）のｐｇｎの値Ｎ４と
等しい値をｇｎに持ち、探索履歴（ｄ）のｓｆｒｍの値
ｔ₃₀と等しい値をｆｒｍに持つ探索履歴（ａ），
（ｂ），（ｃ）を探索履歴記憶部６から選ぶ。次に、探
索履歴（ｄ）の探索スコア１８２．３９５と、探索履歴
（ａ），（ｂ），（ｃ）のうの最大探索スコアである１
５８．９６２との差ｄｅｌｔａ＝２３．４３３を求め
る。そして、探索履歴（ｄ）を探索履歴記憶部６から削
除し、その代わりに、図１１に示すような、ｇｎの値が
探索履歴（ｄ）のｇｎの値Ｎ５、ｆｒｍの値が探索履歴
（ｄ）のｆｒｍの値ｔ₃₅、ｐｒｏｂの値がそれぞれ探索
履歴（ａ），（ｂ），（ｃ）のｐｒｏｂの値にｄｅｌｔ
ａを加算したもの、ｓｆｒｍの値がそれぞれ探索履歴
（ａ），（ｂ），（ｃ）のｓｆｒｍの値、ｗｏｒｄの値
がそれぞれ探索履歴（ａ），（ｂ），（ｃ）のｗｏｒｄ
の値である探索履歴（ｅ），（ｆ），（ｇ）を作成し、
探索履歴記憶部６に書き込む。

【００４１】図１２は、探索履歴記憶部６の状態を示す
図である。図１２（ａ）は、図１０に示した探索履歴記
憶部を示している。また、図１２（ｂ）は、図１１に示
す探索履歴記憶部の状態を示している。また、図１３
は、認識結果を示す図である。図１３（ａ）は、図１０
に示す認識結果を示している。図１３（ｂ）は、図１１
に示す認識結果を示している。

【００４２】図９（ｃ）は、実施例１及び実施例２にお
いて認識された結果に対して、更に、実施例３による認
識結果として必要でない意味素性ＮＵＬＬを持つ単語の
探索履歴を削除した場合の状態を示す図である。図９
（ｃ）に示すように、構文ノードＮ３〜Ｎ６間の「ＭＯ
ＮＥＹ ＮＵＬＬＮＵＬＬ」は、２つの「ＮＵＬＬ」が
削除され、「ＭＯＮＥＹ」として認識されることにな
る。

【００４３】図１４は、更に、実施例２及び実施例３に
よる探索履歴の削除を組み合せた場合の他の例を示す図
である。図１４（ａ）のような探索履歴が記憶されてい
る場合、実施例３に示したような不必要な探索履歴を
（意味素性がＮＵＬＬである探索履歴）書き換えること
により、図１４（ｂ）に示すような状態になる。この図
１４（ｂ）に示す状態に対して、実施例２に示したよう
な同一の意味素性を持つ探索履歴を削除することによ
り、図１４（ｃ）のような状態となる。このように、実
施例２と実施例３を組み合せることにより、認識結果と
して必要でない探索履歴や同一の意味を持つ探索履歴を
少なくすることができる。図９（ｃ）に示す例は、実施
例２を先に適用し、その後実施例３を適用した場合を示
している。図１４の場合は、実施例３を先に適用し、そ
の後実施例２を適用した場合を示している。いずれかの
実施例を先に適用することにより、効果的に探索履歴の
数を減少させることができる。したがって、例えば、実
施例２を適用し、その後実施例３を適用し、再び実施例
２を適用するようにし、実施例２と実施例３のいずれか
が先に適用される場合の両方を実行することが望まし
い。

【００４４】以上のように、この実施例は、探索履歴記
憶部に保持されている探索履歴で、単語の意味素性がＮ
ＵＬＬという特定のものである探索履歴を、その探索履
歴が保持する１つ前に到達した構文ノード及び１つ前に
到達した構文ノードに到達した時刻に対応する探索履歴
で、書き換える探索履歴書き換え部を備えたものであ
る。

【００４５】実施例４． この発明の一実施例である、図１の構文・意味知識記憶
部１、構文ネットワーク生成部２、構文ネットワーク記
憶部３及び後向き探索部８について説明する。なお、実
施例４において、図１の４〜７の動作は、実施例１と同
じなので省略する。前述した実施例においては、例え
ば、「５ １００」という認識結果を得ることができる
が、実際の意味は、５×１００＝５００という認識結果
を得ることが望ましい。この実施例では、５×１００と
いうような演算を行い、その結果を認識結果として出力
できるような場合について説明する。

【００４６】図１５は、構文・意味知識記憶部１に保持
される構文・意味知識の一例であって、単語を規定する
辞書部において単語に意味素性を対応づけ、規則部にお
いて意味素性の演算規則を対応づけたものである。例え
ば、ｓｅｍ（〈数１〉）は、非終端記号〈数１〉から得
られる意味素性を表す。また、図１５の（２）の構文規
則に定義された意味素性の演算規則ｓｅｍ（〈料金
２〉）＝ｓｅｍ（〈数１〉）×ｓｅｍ（〈数２〉）は、
非終端記号〈料金２〉に対する意味素性が、ｓｅｍ
（〈数１〉）とｓｅｍ（〈数２〉）の積から得られるこ
とを表す。

【００４７】図１６は、構文・意味知識記憶部１に保持
される構文・意味知識から、構文ネットワーク生成部２
によって生成され、構文ネットワーク記憶部３に保持さ
れる構文ネットワークの一例を示すものである。各々の
構文アークには、構文知識の終端記号が付与され、同時
に終端記号に対する意味素性も付与される。例えば、終
端記号ｈｊａｋｕの構文アークには、終端記号ｈｊａｋ
ｕに対する意味素性１００が付与される。また、例え
ば、構文ノードＮ１には意味素性の演算規則ｓｅｍ
（〈料金２〉）＝ｓｅｍ（〈数１〉）×ｓｅｍ（〈数
２〉）及びｓｅｍ（〈数１〉）＝ｓｅｍ（ｇｏ〉）が付
与される。

【００４８】後向き探索部８の動作を、探索履歴記憶部
６に図１７に示す探索履歴が保持されている場合につい
て説明する。入力音声の最終時刻ｔ₂₃、且つ、構文ネッ
トワークでの最終構文ノードＮ３に対応する探索履歴の
中で、最大の探索スコアを持つ探索履歴（ｃ）を、探索
履歴記憶部６から選ぶ。そして、意味素性の演算を以下
のように行なう。まず、ｗｏｒｄの値である単語ｈｊａ
ｋｕの意味素性ｓｅｍ（ｈｊａｋｕ）＝１００を、構文
ネットワークを参照することにより得る。次に、ｐｇｎ
の値である構文ノードＮ２に付与された意味素性の演算
規則を参照して、意味素性の演算 ｓｅｍ（〈百〉）＝ｓｅｍ（ｈｊａｋｕ） ｓｅｍ（〈数２〉）＝ｓｅｍ（〈百〉） を行い、ｓｅｍ（〈数２〉）＝１００を得る。意味素性
の演算が終ると、探索履歴（ｃ）のｐｇｎの値Ｎ２と等
しい値をｇｎに持ち、探索履歴（ｃ）のｓｆｒｍの値ｔ
₁₅と等しい値をｆｒｍに持つ探索履歴（ａ）を探索履歴
記憶部６から選ぶ。そして、意味素性の演算を以下のよ
うに行なう。まず、ｗｏｒｄの値である単語ｇｏの意味
素性ｓｅｍ（ｇｏ）＝５を、構文ネットワークを参照す
ることにより得る。次に、ｐｇｎの値である構文ノード
Ｎ１に付与された意味素性の演算規則を参照して、意味
素性の演算を行い、ｓｅｍ（〈数１〉）＝５を得る。更
に、構文ノードＮ２における意味素性の演算により、ｓ
ｅｍ（〈数２〉）＝１００が得られているので、ｓｅｍ
（〈料金２〉）＝ｓｅｍ（〈数１〉）×ｓｅｍ（〈数
２〉）＝５×１００＝５００が得られる。

【００４９】後向き探索部８は、図１５の構文ノードＮ
１に付与された意味素性の演算規則ｓｅｍ（文）＝ｓｅ
ｍ（〈料金２〉）より、認識結果として意味素性５００
を出力する。

【００５０】以上のように、この実施例は、入力音声の
文法を規定する構文知識の、単語を規定する辞書部にお
いて単語に意味素性を対応づけ、規則部において意味素
性の演算規則を対応づけた構文・意味知識を保持する構
文・意味知識記憶部と、探索履歴記憶部に保持された探
索履歴を読み出し、前記探索履歴にしたがって構文ネッ
トワーク上を辿り、前記構文ネットワーク上に付与され
た意味素性及び意味素性の演算規則により意味素性の演
算を行ない、意味素性の系列を認識結果として出力する
後向き探索部を備えたものである。

【００５１】実施例５． この実施例においては、フレーム同期を用いた連続音声
認識において、Ｎ−Ｂｅｓｔパラダイムに基づく場合を
説明する。また、この実施例においては、前述した実施
例１〜４に用いた手法を、特に従来のｌａｔｔｉｃｅ
Ｎ−Ｂｅｓｔ法と比較する場合を説明する。連続音声認
識において、Ｎ−Ｂｅｓｔパラダイムに基づく効率的な
サーチアルゴリズムとして、R. Schwartz and Y.-L. Ch
ow: ■The N-Best algorithm: An efficient and exact
procedure for finding the N most likely sentence
hypotheses■, Proc. ICASSP, pp.81-84(1990).とR. Sc
hwartz and S. Austin: ■Acomparison of several app
roximate algorithms for finding multiple (N-BEST)
sentence hypotheses■, Proc. ICASSP, pp.701-704(1
991). が提案されている。このアプローチでは、助詞や
語尾などがわずかに異なる意味的に同じ構文仮説が、前
向き探索時に多く生成され、得られる上位Ｎ個の正解候
補は、意味的に同じ候補を多く含んだものとなる。この
結果、正解である候補が上位Ｎ個に含まれず、正しい認
識結果が得られないという問題点がある。そこで、この
実施例５では、前述した実施例１〜４と同様に、小さな
Ｎに対して意味的に異なった正解候補を多く得るため
に、意味的に同じ仮説を前向き探索時に枝刈りし、認識
と同時に発話に含まれる意味素性を抽出する手法を提案
する。

【００５２】システムにおける音声認識の目的は、シス
テムへの入力パラメータとしての意味素性系列をユーザ
の発話から得ることである。したがって、正解である意
味素性系列が認識結果から失われないように、限られた
Ｎ個の正解候補の中により多くの意味的に異なった正解
候補を得ることが重要である。認識時に意味を用いる手
法として、南，山田，吉岡，鹿野：“自由発声音声認識
における意味を考慮した２段ＬＲパーザ”、日本音響学
会平成５年度秋季研究発表会講演論文集，ｐｐ．６９−
７０（１９９３）がＨＭＭ−ＬＲの枠組において、意味
を用いたビームサーチを提案しているが、本手法は、フ
レーム同期Ｎ−Ｂｅｓｔサーチの前向き探索において、
構文ネットワークに付与した意味情報を用いて意味的に
同じ仮説の枝刈りを行うものである。

【００５３】対話システムの認識部で用いる構文は、図
１８に示すように、最上位の規則（文開始記号を左辺に
持つ規則）をシステムの動作を指定する項目の系列で定
義する。各項目は項目内文法により定義し、文法の辞書
部では非終端記号に対する音素系列と、その単語に対す
る意味素性を定義する。また、文法の規則部には、意味
素性に対する演算規則を定義する。演算規則は、トレー
スバック時に複数の意味素性から１つの意味素性を生成
するために用いられるものである。図１８の例では、
〈料金３〉の意味素性は、非終端記号〈数〉に対する意
味素性＄１と、〈千〉に対する意味素性＄２の積として
得られる。単語に対して定義する意味素性の１つに、意
味を持たないという意味素性「ＮＵＬＬ」を定義する。
例えば、「８月２６日」と「８月の２６日」の２つの発
話は、どちらも同じ意味素性を表し、格助詞の「の」に
意味素性を持たない。このような語に対して「ＮＵＬ
Ｌ」を与える。以上述べた意味情報は、構文を構文ネッ
トワークに展開する際に、構文アーク及び構文ノード内
に埋め込まれる。

【００５４】R. Schwartz and S. Austin: ■A compari
son of several approximate algorithms for finding
multiple (N-BEST) sentence hypotheses■, Proc. ICA
SSP,pp.701-704(1991).のｌａｔｔｉｃｅ Ｎ−Ｂｅｓ
ｔ法では、構文ノードに入ってくるすべての単語に対す
るトレースバックポインタを保持するが、この実施例で
提案する手法では、以下に述べる２つの方法で仮説の枝
刈りを行う。 （１）開始フレーム時刻及び遷移元の構文ノードが等し
く、且つ、意味素性が等しいトレースバックポインタ
は、最大スコアの物のみを残す（図１９参照）。 （２）意味素性が「ＮＵＬＬ」である単語のトレースバ
ックポインタを、遷移元の構文ノードに保持されたその
単語の開始時刻のトレースバックポインタを用いて書き
換える（図２０参照）。

【００５５】（１）により、意味素性が等しく時刻ｔ’
にノードＳ’を出て時刻ｔにノードＳに入る複数の仮説
は、１つに削減される。また、（２）により、意味素性
が「ＮＵＬＬ」の単語は仮説から削除される（図２１参
照）。更に、図２２に示すように、途中の構文ノードで
の時刻が異なっていても意味素性が同一の仮説は、最大
スコアのものだけを残し、他をすべて仮説から削除する
ために、（２）による「ＮＵＬＬ」の削除を行った後、
（１）を適用する。

【００５６】この実施例による手法の評価を、ホテル予
約をタスクとする不特定話者・連続音声認識実験で行っ
た。用いた構文規則は、不要語などを含む比較的自由度
の高いもので、語構文規則数２８６、語彙１４６語であ
る。入力文は、２５種類の文を成人男性５人が発声した
計１２５文を用いた。認識結果として出力される正解候
補数Ｎを５，１０，２０，・・・，１００と変えて、意
味素性の系列が異なる候補がいくつ含まれるかを調べ
た。図２３に１２５文の実験結果の平均を示す。また、
意味素性系列での認識率を図２４に示す。従来のｌａｔ
ｔｉｃｅ Ｎ−Ｂｅｓｔ法では、上位１００位までの正
解候補の中で、意味素性系列が異なる候補は４．９個で
あり、意味的には同じ候補が大部分をしめているといえ
る。これに対し、この実施例で提案する手法では１０位
までに意味素性系列が異なる候補が５．１個存在し、ｌ
ａｔｔｉｃｅ Ｎ−Ｂｅｓｔ法に比べ、小さいＮで意味
的に異なる正解候補が多く得られている。また、認識率
においても、本手法での１０位までの結果は、ｌａｔｔ
ｉｃｅ Ｎ−Ｂｅｓｔ法での１００位までの結果より良
いものとなっている。ただし、本手法を適用した後で
も、Ｎ個の候補がすべて互いに異なる意味を持つもので
はない。これは、前向き探索においては、「ＮＵＬＬ」
以外の意味素性を持つ開始時刻の異なる仮説を枝刈りで
きないからである。これに対しては、後向きのトレース
バック時に、同じ意味素性系列を持つ候補を枝刈りする
ことで、更に多くの意味的に異なる候補を得ることがで
きる。

【００５７】以上のように、この実施例は、前向き探索
において、意味的に同じ仮説を枝刈りして効率良く探索
を行い、小さなＮに対して異なる意味を持つ正解候補を
が多く得られる手法を提案した。認識実験の結果、ｌａ
ｔｔｉｃｅ Ｎ−Ｂｅｓｔ法は、１００位まで考慮して
も得られない意味素性系列の候補が、１０位までのトレ
ースバックによって得られ、本手法の有効性を認識し
た。

【００５８】

【発明の効果】この発明は、以上説明したように構成さ
れているので、以下に示すような効果を奏する。

【００５９】構文ネットワークに付与された意味情報を
参照して、探索履歴記憶部に保持される探索履歴を書き
換える探索履歴書き換え部を設けたことにより、後向き
探索部において認識と同時に発話に含まれる意味を抽出
し、意味の系列としての認識結果を出力できる。

【００６０】また、意味情報を付与した構文ネットワー
クを自動的に生成することができる。

【００６１】また、構文ネットワーク上に付与された意
味情報及び意味情報の演算規則により意味情報の演算を
行ない、意味情報の系列を認識結果として出力する後向
き探索を設けたことにより、認識と同時に発話に含まれ
る意味情報を抽出できる。

【００６２】また、意味情報と演算規則を付与した構文
ネットワークを自動的に生成することができる。

【００６３】また、探索履歴記憶部に保持されている同
時刻・同構文ノードで単語の意味情報が同一である探索
履歴のうち、不要な探索履歴を探索履歴記憶部から削除
する探索履歴書き換え部を設けたことにより、探索履歴
部に保持される、同時刻・同構文ノードで意味的に同じ
構文仮説を持つ探索履歴の数が減少し、後向き探索部が
出力する上位Ｎ個の認識結果として、意味的に異なった
正解候補を多く含むものが得られる。

【００６４】更に、探索履歴記憶部に保持されている探
索履歴で、単語の意味情報が特定のものである探索履歴
を、その探索履歴が保持する１つ前に到達した構文ノー
ド及び１つ前に到達した構文ノードに到達した時刻に対
応する探索履歴で書き換える探索履歴書き換え部を設け
たことにより、意味情報が特定のものである単語が構文
仮説から削除され、後向き探索部が出力する上位Ｎ個の
認識結果として、意味的に異なった正解候補を多く含む
ものが得られる。

【図面の簡単な説明】

【図１】 本発明の一実施例を示す音声認識装置の機能
ブロック構成図。

【図２】 本発明の実施例１での構文・意味知識記憶部
に保持される構文・意味知識の一例を示す図。

【図３】 本発明の構文・意味知識記憶部に保持される
構文・意味知識から、構文ネットワーク生成部によって
生成され、構文ネットワーク記憶部に保持される構文ネ
ットワークの一例を示す図。

【図４】 本発明の実施例１における探索履歴の一例を
示す図。

【図５】 本発明の実施例１における探索履歴書き換え
部によって、書き換えられた探索履歴の一例を示す図。

【図６】 本発明の実施例１における探索履歴記憶部に
保持された探索履歴の一例を示す図。

【図７】 本発明の実施例２における、ｇｎ，ｆｒｍ，
ｐｇｎ，ｓｆｒｍがすべて等しく、且つ、ｗｏｒｄの意
味素性が等しい探索履歴の一例を示す図。

【図８】 本発明の実施例における探索履歴書き換え部
の動作を示す図。

【図９】 本発明の実施例における探索履歴書き換え部
の動作を示す図。

【図１０】 本発明の実施例３における探索履歴の一例
を示す図。

【図１１】 本発明の実施例３における探索履歴書き換
え部によって新たに作成される探索履歴の一例を示す
図。

【図１２】 本発明の実施例３における探索履歴書き換
え部の動作を示す図。

【図１３】 本発明の実施例３における探索履歴書き換
え部の動作を示す図。

【図１４】 本発明の実施例２及び実施例３における探
索履歴書き換え部の動作を示す図。

【図１５】 本発明の実施例４での構文・意味知識記憶
部に保持される構文・意味知識の一例を示す図。

【図１６】 本発明の実施例４における構文・意味知識
記憶部に保持される構文・意味知識から、構文ネットワ
ーク生成部によって生成され、構文ネットワーク記憶部
に保持される構文ネットワークの一例を示す図。

【図１７】 本発明の実施例４における探索履歴記憶部
に保持された探索履歴の一例を示す図。

【図１８】 本発明の実施例５における構文の例を示す
図。

【図１９】 本発明の実施例５における前向き探索にお
ける意味素性単位での枝刈りを示す図。

【図２０】 本発明の実施例４における意味素性ＮＵＬ
Ｌに対するトレースバックポインタの書き換えを示す
図。

【図２１】 本発明の実施例５における意味素性がＮＵ
ＬＬである単語の削除を示す図。

【図２２】 本発明の実施例５における途中のノードで
の時刻が異なる仮説の枝刈りを示す図。

【図２３】 本発明の実験結果を示す図。

【図２４】 本発明の意味素性系列での認識率を示す
図。

【図２５】 従来の音声認識装置を示す図。

【図２６】 入力音声を示す図。

【図２７】 音響辞書部を示す図。

【図２８】 従来の構文を示す図。

【図２９】 従来の構文ネットワークを示す図。

【図３０】 従来の探索履歴を示す図。

【図３１】 従来の音声認識装置の動作を説明する図。

【図３２】 従来の音声認識装置の動作を説明する図。

【符号の説明】 １ 構文・意味知識記憶部、２ 構文ネットワーク生成
部、３ 構文ネットワーク記憶部、４ 音響辞書部、５
前向き探索部、６ 探索履歴記憶部、７ 探索履歴書
き換え部、８ 後向き探索部。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−247452（ＪＰ，Ａ) 特開 平５−216491（ＪＰ，Ａ) 特開 平１−36798（ＪＰ，Ａ) 特開 平４−253099（ＪＰ，Ａ) 特開 平４−153398（ＪＰ，Ａ) Ｓｃｈｗａｒｔｚ，Ｒ；Ａｕｓｔｉ ｎ，Ｓ，Ａ ｃｏｍｐａｒｉｓｏｎ ｏ ｆ ｓｅｖｅｒａｌ ａｐｐｒｏｘｉｍ ａｔｅ ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｆｉｎｄｉｎｇ ｍｕｌｔｉｐｌｅ （Ｎ−ｂｅｓｔ）ｓｅｎｔｅｎｃｅ ｈ ｙｐｏｔｈｅｓｅｓ，Ａｃｏｕｓｔｉｃ ｓ Ｓｐｅｅｃｈ，ａｎｄ Ｓｉｇｎａ ｌ Ｐｒｏｃｅｓｓｉｎｇ，1991．ＩＣ ＡＳＳＰ 1991 Ｉｎｔｅｒｎａｔｉｏ ｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ, 1991，米国，ＩＥＥＥ，ｖｏｌ １, 701−704 (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 15/18

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】 意味情報を付与した構文ネットワークを
   保持する構文ネットワーク記憶部と、 音響モデルの標準パタンを保持する音響辞書部と、 前記構文ネットワークと前記音響モデルを用いて、入力
   音声に対する構文仮説の探索を前記構文ネットワークに
   したがって行ない、探索履歴を出力する前向き探索部
   と、 前記前向き探索部から出力される探索履歴を保持する探
   索履歴記憶部と、 前記構文ネットワークに付与された意味情報を参照し
   て、前記探索履歴記憶部に保持される探索履歴を書き換
   える探索履歴書き換え部と、 前記探索履歴記憶部に保持された探索履歴を読み出し、
   前記探索履歴にしたがって前記構文ネットワーク上を辿
   ることによって、認識結果を生成する後向き探索部を備
   えたことを特徴とする音声認識装置。
2. 【請求項２】 前記音声認識装置は、更に、入力音声の
   文法を規定する構文知識に意味情報を対応づけた構文・
   意味知識を保持する構文・意味知識記憶部と、 前記構文・意味知識から意味情報を付与した構文ネット
   ワークを生成する構文ネットワーク生成部を備えたこと
   を特徴とする請求項１記載の音声認識装置。
3. 【請求項３】 意味情報と演算規則を付与した構文ネッ
   トワークを保持する構文ネットワーク記憶部と、 音響モデルの標準パタンを保持する音響辞書部と、 前記構文ネットワークと前記音響モデルを用いて、入力
   音声に対する構文仮説の探索を前記構文ネットワークに
   したがって行ない、探索履歴を出力する前向き探索部
   と、 前記前向き探索部から出力される探索履歴を保持する探
   索履歴記憶部と、 前記構文ネットワークに付与された意味情報を参照し
   て、前記探索履歴記憶部に保持される探索履歴を書き換
   える探索履歴書き換え部と、 前記探索履歴記憶部に保持された探索履歴を読み出し、
   前記探索履歴にしたがって構文ネットワーク上を辿り、
   前記構文ネットワーク上に付与された意味情報及び演算
   規則により意味情報の演算を行ない、認識結果を出力す
   る後向き探索部を備えたことを特徴とする音声認識装
   置。
4. 【請求項４】 前記音声認識装置は、更に、入力音声の
   文法を規定する構文知識の中で、単語を規定する辞書部
   において単語に意味情報を対応づけ、規則部において意
   味情報の演算規則を対応づけた構文・意味知識を保持す
   る構文・意味知識記憶部と、 前記構文・意味知識から、意味情報と演算規則を付与し
   た構文ネットワークを生成する構文ネットワーク生成部
   を備えたことを特徴とする請求項３記載の音声認識装
   置。
5. 【請求項５】 前記前向き探索部は、前記構文ネットワ
   ークの構文ノード、前記構文ノードに到達した時刻、前
   記構文ノードで前記時刻での探索スコア、前記構文ノー
   ドの１つ前に到達した構文ノード、前記１つ前に到達し
   た構文ノードに到達した時刻、前記構文ノードと前記１
   つ前の構文ノード間の単語を探索履歴として出力すると
   ともに、 前記探索履歴書き換え部は、探索履歴記憶部に保持され
   ている同時刻・同構文ノードに対する探索履歴で、単語
   の意味情報が同一であるものが複数存在する場合、前記
   意味情報が同一である探索履歴の中の一部の探索履歴を
   前記探索履歴記憶部に残して、前記意味情報が同一であ
   る他の探索履歴を前記探索履歴記憶部から削除すること
   を特徴とする請求項１〜４いずれかに記載の音声認識装
   置。
6. 【請求項６】 前記探索履歴書き換え部は、探索履歴記
   憶部に保持されている探索履歴で、単語の意味情報が特
   定のものである探索履歴を、その探索履歴が保持する１
   つ前に到達した構文ノード及び１つ前に到達した構文ノ
   ードに到達した時刻に対応する探索履歴で書き換えるこ
   とを特徴とする請求項１〜５いずれかに記載の音声認識
   装置。