JP3678360B2

JP3678360B2 - Kanji character string specifying apparatus and method using voice input

Info

Publication number: JP3678360B2
Application number: JP2002024847A
Authority: JP
Inventors: 久美子大森
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2002-01-31
Filing date: 2002-01-31
Publication date: 2005-08-03
Anticipated expiration: 2022-01-31
Also published as: JP2003228394A

Description

【０００１】
【発明の属する技術分野】
本発明は、非常に大多数の似通った検索対象から、利用者が目的とする情報を、一意に特定する検索と、特定までの絞り込みとに関するものである。
【０００２】
【従来の技術】
従来、多くの検索対象の中から利用者が目的とする情報について、付加情報を利用して、一意に特定する際に、情報が持つ属性を利用し、予め情報を分類し、目的とする情報が有する属性の属性値を利用者に尋ね、利用者が答えた属性値に基づいて、目的とする情報を絞り込み、これによって、多くの候補の中から、目的とする情報を絞り込み、一意に特定する手法が通常、採用されている。
【０００３】
一般に、検索対象である情報が、日本全国の住所のように、都道府県名、市区郡名、町村字名のような属性を持ち、属性が階層構造を有している場合や、社員名簿のように、所属部署、入社年次、性別等の属性を持つ場合ならば、属性毎の属性値を利用者に尋ね、利用者が答えた属性値に基づいて、検索候補を絞り込み、特定することが可能である。
【０００４】
【発明が解決しようとする課題】
しかし、検索対象が何の属性も持たない情報である場合、しかも、候補が多数存在し、それらが互いに非常に似通った情報である場合、検索候補を絞り込み特定するために利用可能な付加情報が、存在しない。
【０００５】
特に、利用者が名詞を音声入力した場合、音声認識装置の精度が常に１００％であるという保証がないので、曖昧さを解消する方法がなく、認識装置が返す候補を、利用者に順に提示し、利用者から正解であるという回答が得られるまで、利用者への提示を繰り返す。この提示の繰り返しは、利用者に非常にストレスを与えると言われている。そのために、現状の音声認識を利用した検索システムが検索対象とする情報は、非常に限られたものであり、その対象数も、非常に少ないという問題がある。
【０００６】
本発明は、音声認識を利用したコールセンタの構築等、従来人間オペレータが対応していた大規模な対象の特定業務等の自動化が可能になり、また、人間オペレータの代替のみではなく、多くの対象数からなるデータベース検索の際に、より高精度で、より高効率で、迅速な検索を実現することができる音声入力を利用する名詞特定装置を提供することを目的とするものである。
【０００７】
【課題を解決するための手段】
本発明は、利用者が音声で入力した内容を、音声認識装置を利用して音声認識処理し、音声認識処理した結果を絞り込む漢字文字列特定装置において、漢字文字列を音声入力することを利用者に要求する漢字文字列入力要求手段と、上記音声を、第１のリストを用いて音声認識する第１音声認識手段と、上記第１音声認識手段によって認識した漢字文字列と第２のリストを照合して複数個の漢字表記の漢字文字列を第１の候補群として選択する第１候補選択手段と、上記音声入力された漢字文字列の表記に関する特徴的な情報を音声入力することを利用者に要求する表記特徴情報入力要求手段と、上記音声を、第３のリストを用いて音声認識する第２音声認識手段と、上記第２音声認識手段によって認識した表記特徴情報と第４のリストを照合して複数個の漢字表記の漢字文字列を第２の候補群として選択する第２候補選択手段と、上記２つの候補群のいずれにも存在する漢字表記の漢字文字列を求める絞込み手段と、上記絞込み手段によって絞り込まれた漢字表記の漢字文字列の候補を表示する表示手段とを有し、上記第１のリストは、認識可能な漢字文字列の音節列のリストであり、上記第２のリストは、上記音節列とその漢字表記の漢字文字列と、が対応付けられたものであり、上記第３のリストは、認識可能な表記特徴情報の音節列のリストであり、上記第４のリストは、上記音節列と、その音節列の表記特徴情報を有する漢字表記の漢字文字列と、が対応付けられたものである。
【０００８】
【発明の実施の形態および実施例】
まず、音声入力された日本人個人の姓や、名を検索対象とする場合について考える。
【０００９】
日本人の個人姓や個人名は、固定電話加入者数４０００万人を対象にした場合で、読みの異なりを一意に数えた場合、個人姓は、約１８万種類、存在し、個人名は、約１６万種類、存在することが知られている。
【００１０】
一般に、音声認識装置を利用して、利用者が許容できる範囲の精度と処理速度とによって認識し、特定可能な対象数は、数百種から１０００種程度とされている。こういう状況下で、十数万種の対象は、非常に大規模であり、音声認識装置のみの利用では、精度よく認識することが困難であるといわれている。
【００１１】
一方、個人姓名の音声入力は、コールセンタ業務等、カスタマケアサービスにおける顧客の特定等において、必須の対象であり、音声入力されたものを自動的に特定することができるようになれば、非常に需要は大きい。
【００１２】
ところが、個人姓や個人名は、階層化された属性等を持たない。
【００１３】
本発明の実施例では、個人姓を構成する文字列、文字数、等表記に着目をした場合、特に先頭漢字の読みに着目し、以下のように、先頭漢字の読み情報を、付加情報として利用することを考える。
【００１４】
個人姓１８万種に使用される先頭漢字の種類は、約３００種である。したがって、先頭漢字がどのような漢字であるかを示す情報を、絞り込み用の付加情報として獲得すれば、音声認識すべき対象（検索対象）を、従来方法における音声認識対象の３００分の１に縮小することができる。
【００１５】
そこで、利用者の入力に対して、音声認識処理をし、結果を出力する。この認識処理の結果、非常に信頼度（尤度）高く出力された候補は、正解である可能性が高いので、利用者に提示し、確認する。
【００１６】
信頼度の高い候補が複数出力された場合、または候補が出力されなかった場合には、音声入力した名詞における先頭の漢字の読み仮名を、絞込み用の付加情報として、利用者に尋ねる。
【００１７】
音声入力した名詞における先頭の漢字の読みを獲得できたら、その漢字のよみを有する個人姓を、検索対象データベースから抽出し、抽出した検索対象に対してのみ、再度、音声認識処理をし、または、候補が複数出力された場合、その複数候補の中から、先頭漢字が、該当する読みを持つ検索候補が存在していれば、利用者に提示し、確認する。このようにすることによって、音声認識技術のみの利用ではなく、付加情報をも利用して音声認識結果を絞り込み、これによって、認識結果の信頼性を向上させることができる。
【００１８】
次に、具体的な個人姓「増尾」を特定する場合を例に挙げて、上記実施例を説明する。
【００１９】
図１は、上記実施例の動作を示すフローチャートである。
【００２０】
まず、検索対象である個人姓を入力することを、検索装置（図７に示す名詞確定装置１）が利用者に要求する（Ｓ１）と、「ますお」を音声入力する（Ｓ２）。
【００２１】
図２は、上記実施例における認識対象リストＬ１の例を示す図である。
【００２２】
検索装置（名詞確定装置１）は、検索対象である個人姓リストを、認識対象リストＬ１として予め保持し、この場合、使用する音声認識装置に合わせて、つまり、入力の形態にあわせた整形し、保持している。
【００２３】
これと同時に、各個人姓について、その先頭の漢字の読み仮名と、個人姓の文字数がいくつであるかという文字列情報とを保持する。
【００２４】
検索装置（名詞確定装置１）は、音声入力された「ますお」という音声を、音声認識処理し（Ｓ３）、認識対象リストＬ１の中から、信頼度の高い（尤度の高い）順に、正解候補を、たとえば、下記のように、「１：まつお、………、４：まつだ」を出力する（Ｓ４）。
【００２５】
１：まつお（松尾、末尾）、
２：まつの（松野、抹野）、
３：ますお（増尾、益尾）、
４：まつだ（松田、松多）
図３は、上記実施例における漢字表記候補リストＬ２の例を示す図である。
【００２６】
漢字表記候補リストＬ２は、音声入力された検索対象（さとう、すずき、たなか等）と、その漢字表記情報（佐藤、左藤、佐東、砂糖等）と、その先頭漢字の読み情報（さ、ひだり、すな等）とが対応して記載されているリストである。
【００２７】
それぞれの認識結果に対して、個人姓リストから考えられる漢字表記候補リストＬ２を、括弧内にリストアップしてある。
【００２８】
利用者の目的とする姓を特定するために、検索装置（名詞確定装置１）は、「先頭の漢字は何と読みますか？」と利用者に質問する（Ｓ５）。
【００２９】
利用者は、「ふえる（増える）」、または「ぞう（増）」というように、「増」という字の読みを答える（Ｓ６）。
【００３０】
図４は、上記実施例である検索装置（名詞確定装置１）に予め用意されている漢字の読み対象リストＬ３を示す図である。
【００３１】
漢字表記候補リストＬ２は、漢字の読みと、その読みを持つ漢字候補の情報と、先頭漢字の読み情報とが対応して記録されているリストである。
【００３２】
利用者が、「増」という字の読みを答えた（Ｓ６）後に、検索装置（名詞確定装置１）は、図４に示す漢字の読み対象リストＬ３を利用し、音声認識処理を行う（Ｓ７）。
【００３３】
図５は、上記実施例における先頭漢字読みと個人姓との対応表Ｌ４の一例を示す図である。
【００３４】
先頭漢字読みと個人姓との対応表とＬ４は、先頭漢字の読みと、上記先頭漢字の読みに対応する漢字と、上記漢字を使用する個人性とが対応しているリストである。
【００３５】
先頭漢字読みと個人姓との対応表Ｌ４を利用して、認識結果の読みを持つ漢字と、その漢字を先頭に持つ個姓をリストアップする。
「ふえる」という認識に対しても、曖昧性が生じ、
１：「ふえる」（増える）、
２：「ひえる」（冷える）、
３：「はえる」（生える、映える、栄える）
という結果が得られたとする。
【００３６】
図６は、上記実施例において、音声入力した「ますお」に基づいて、個人姓「増尾」を特定する場合するにおける動作を示す説明図である。
【００３７】
ここで、音声入力された「ふえる」に対して、「ふえる」という読みを持つ漢字候補を、図６（３）に示すように、全て、漢字の読み対象リストから検索し（Ｓ８）、個人姓の先頭文字を認識した結果と、図６（４）に示す、上記先頭漢字読みの認識結果とを合わせて、両者の関連性をチェックする（Ｓ９）。
【００３８】
すなわち、先頭漢字の読みを認識した結果、得られた漢字を持つ個人姓候補が、出力結果である図６（２）に示す「まつお」、「まつの」、「ますお」、「まつだ」
の中に存在しているか否かをチェックする（Ｓ１０）。この場合「ますお（増尾）」が図６（５）に示すように、該当候補として挙がってくる。
【００３９】
つまり、上記実施例は、非常に数多い情報の集合について、日本語の表記を、絞り込み用付加情報として利用する実施例である。
【００４０】
なお、上記「日本語の表記」は、平仮名表記した場合の先頭文字や、先頭から２番目の文字、または末尾文字等、先頭から数えて特定番目の文字は何であるかという情報、平仮名表記した際の文字数の情報、また漢字表記した際に使用される漢字の特徴、たとえば、先頭の漢字の読み、２番目の漢字の読み等、先頭から特定番目の漢字の読み情報、または先頭漢字の部首等を、絞り込みのための付加情報として利用する。
【００４１】
そして、チェックした結果の候補を表示し（Ｓ１０）、利用者に質問し（Ｓ１１）、利用者からの回答を得（Ｓ１２）、表示された候補が正しければ、その表示された候補で確定する。
【００４２】
一方、表示された候補が正しくないと、利用者に判断されれば（Ｓ１２）、音声入力した個人姓のうちで、２番目等、ｎ番目（ｎは２以上の整数）の漢字の読み方について、音声入力を利用者に依頼し、音声認識し、漢字候補を検索し、利用者に質問する（Ｓ１３）。
【００４３】
図７は、本発明の一実施例である名詞確定装置１を示すブロック図である。
【００４４】
名詞確定装置１は、音声入力部２と、音声認識部３と、音声認識用ソフトウェア３Ｓと、音声認識結果出力部４と、対話制御部６と、音声出力部７と、音声出力用ソフトウェア７Ｓと、システムデータベース８とを有する。
【００４５】
名詞確定装置１において、音声入力部２を介して入力された利用者Ｐの音声が音声認識部３へ送られ、音声認識部３は、入力音声を音声認識処理する際に、システムデータベース８を利用する。また、音声認識部３は、利用者Ｐによる入力音声について、音声認識用ソフトウェア３Ｓを利用して、認識処理を実行する。
【００４６】
システムデータベース８は、検索データベース８１と、検索補助データベース８２と、ＹＥＳ／ＮＯデータベース８３とによって構成されている。
【００４７】
検索データベース８１は、複数の個人姓が検索語として登録されているデータベースである。
【００４８】
検索補助データベース８２は、検索データベース８１に登録されている全個人姓（検索対象語）に関連する認識対象リストＬ１、漢字表記候補リストＬ２、漢字の読み対象リストＬ３、先頭漢字の読みと個人姓との対応表Ｌ４が格納されているデータベースである。
【００４９】
ＹＥＳ／ＮＯデータベース８３は、利用者Ｐが応答した内容（たとえば、はい／いいえ、ＹＥＳ／ＮＯ）を認識するデータベースである。
【００５０】
音声認識用ソフトウェア３Ｓは、検索装置（名詞確定装置１）の処理の場面に合わせて、検索データベース８１または検索補助データベース８２を、システムデータベース８から選択するものである。
【００５１】
検索語が音声入力されると、検索補助データベース８２を参照し、また、利用者Ｐへの正誤確認に対する応答を認識する場合は、ＹＥＳ／ＮＯデータベース８３が参照される。
【００５２】
また、音声認識部３は、音声認識処理の際に、音声認識用ソフトウェア３Ｓを使用し、音声出力部７は、音声出力の際に、音声出力用ソフトウェア７Ｓを使用する。
【００５３】
つまり、上記実施例は、利用者が音声で入力した内容を、音声認識装置を利用して音声認識処理し、音声認識処理した結果を絞り込む名詞特定装置において、絞り込み用付加情報として、表記の違いによる情報を利用し、多数の検索対象の中から、利用者が音声入力した名詞を特定する音声入力を利用する名詞特定装置の例である。
【００５４】
また、上記実施例は、利用者が音声で入力した内容を、音声認識装置を利用して音声認識処理し、音声認識処理した結果を絞り込む名詞特定装置において、個人姓を音声入力することを利用者に要求する個人姓入力要求手段と、入力された音声を音声認識する音声認識手段と、上記入力された個人姓の表記のうちの少なくとも１つについて、音声入力することを上記利用者に要求する表記入力要求手段と、上記音声入力された個人姓と、上記音声入力された上記表記とに基づいて、上記音声入力された個人姓を特定する個人姓特性手段とを有する音声入力を利用する名詞特定装置の例である。
【００５５】
この場合、上記表記は、漢字表記した際に使用される漢字の先頭またはｎ番目（ｎは２以上の整数）の漢字の読みの情報であり、また、先頭漢字の部首であり、さらに、平仮名表記した際に使用される平仮名の先頭またはｎ番目（ｎは２以上の整数）の情報または末尾の情報であり、そして、平仮名表記した際の文字数の情報である。
【００５６】
また、利用者が目的とする名詞を絞り込む過程において、所定の漢字を先頭漢字とする個人姓のうちで、所定の数よりも多く使用されている個人姓だけを集めたグループを作り、そのグループのみを検索対象として検索するようにしてもよい。
【００５７】
さらに、上記実施例を、プログラムの発明として把握することができ、つまり、上記実施例は、利用者が音声で入力した内容を、音声認識装置を利用して音声認識処理し、音声認識処理した結果を絞り込む場合、絞り込み用付加情報として、表記の違いによる情報を利用し、多数の検索対象の中から、利用者が音声入力した名詞を特定する手順をコンピュータに実行させるプログラムの例である。また、上記実施例は、利用者が音声で入力した内容を、音声認識装置を利用して音声認識処理し、音声認識処理した結果を絞り込む場合、個人姓を音声入力することを利用者に要求する個人姓入力要求手順と、入力された音声を音声認識する音声認識手順と、上記入力された個人姓の表記のうちの少なくとも１つについて、音声入力することを上記利用者に要求する表記入力要求手順と、上記音声入力された個人姓と、上記音声入力された上記表記とに基づいて、上記音声入力された個人姓を特定する個人姓特性手順とをコンピュータに実行させるプログラムの例である。
【００５８】
なお、上記プログラムを、所定の記録媒体に記録するようにしてもよい。この場合、ＦＤ、ＣＤ、ＤＶＤ、ＨＤ、半導体メモリが上記所定の記録媒体の例である。
【００５９】
【発明の効果】
本発明によれば、音声認識を利用したコールセンタの構築等、従来人間オペレータが対応していた大規模な対象の特定業務等の自動化が可能になるという効果を奏し、また、人間オペレータの代替のみではなく、多くの対象数からなるデータベース検索の際に、検索キーとして、表記の特徴を利用するので、より高精度で、より高効率で、迅速な検索を実現することができるという効果を奏する。
【図面の簡単な説明】
【図１】本発明の実施例の動作を示すフローチャートである。
【図２】上記実施例における認識対象リストＬ１の例を示す図である。
【図３】上記実施例における漢字表記候補リストＬ２の例を示す図である。
【図４】上記実施例において、検索装置（名詞確定装置１）に予め用意されている漢字の読み対象リストＬ３を示す図である。
【図５】先頭漢字読みと個人姓との対応表Ｌ４の一例を示す図である。
【図６】上記実施例において、音声入力した「ますお」に基づいて、個人姓「増尾」を特定する場合するにおける動作を示す説明図である。
【図７】本発明の第１の実施例である名詞確定装置１を示すブロック図である。
【符号の説明】
１…名詞確定装置、
２…音声入力部、
３…音声認識部、
３Ｓ…音声認識用ソフトウェア、
４…音声認識結果出力部、
６…対話制御部、
７…音声出力部、
７Ｓ…音声出力用ソフトウェア、
８…システムデータベース。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a search for uniquely specifying information intended by a user from a very large number of similar search targets, and a narrowing down to the specification.
[0002]
[Prior art]
Conventionally, when the information intended by the user from among many search targets is uniquely identified by using additional information, the attribute of the information is used to classify the information in advance, and the target information Ask the user for the attribute value of the attribute that has, and narrow down the target information based on the attribute value that the user answered, thereby narrowing down the target information from many candidates and uniquely identifying it This technique is usually adopted.
[0003]
In general, when the information to be searched has attributes such as prefectures, city names, and village names, such as addresses all over Japan, and the attributes have a hierarchical structure, If you have attributes such as department, year of employment, gender, etc., ask the user for the attribute value for each attribute, and narrow down and specify search candidates based on the attribute value that the user answers It is possible.
[0004]
[Problems to be solved by the invention]
However, if the search target is information that does not have any attributes, and there are many candidates and they are very similar information, additional information that can be used to narrow down and specify the search candidates ,not exist.
[0005]
In particular, when a user inputs a noun by voice, there is no guarantee that the accuracy of the speech recognition device is always 100%, so there is no way to resolve ambiguity, and the candidates returned by the recognition device are presented to the user in order. Then, the presentation to the user is repeated until the answer that the answer is correct is obtained from the user. Repeating this presentation is said to be very stressful to users. For this reason, there is a problem that the information to be searched by the current search system using voice recognition is very limited, and the number of targets is very small.
[0006]
The present invention makes it possible to automate a specific task of a large-scale target that has been handled by a human operator, such as the construction of a call center using voice recognition. It is an object of the present invention to provide a noun identification device that uses voice input that can realize a more accurate, more efficient, and faster search in a database search consisting of numbers.
[0007]
[Means for Solving the Problems]
The present invention uses voice input of a kanji character string in a kanji character string specifying device that performs voice recognition processing using a voice recognition device on a content input by a user and narrows down the result of the voice recognition processing. Kanji character string input request means for requesting the person, first speech recognition means for recognizing the speech using the first list, kanji character string recognized by the first speech recognition means and the second list The first candidate selecting means for selecting a plurality of kanji character strings as a first candidate group by collating the above, and inputting characteristic information relating to the notation of the kanji character string inputted by voice. Notation feature information input request means for requesting the user, second speech recognition means for recognizing the speech using a third list, notation feature information recognized by the second speech recognition means, and a fourth See list A second candidate selecting means for selecting a plurality of kanji character strings as a second candidate group, and a narrowing means for obtaining a kanji character string existing in any of the two candidate groups; Display means for displaying candidates for kanji character strings in kanji notation narrowed down by the narrowing means, wherein the first list is a list of syllable strings of recognizable kanji character strings, and the second list The list is a list in which the syllable string is associated with the kanji character string of the kanji notation, and the third list is a list of syllable strings of recognizable notation feature information, and the fourth list The list is obtained by associating the syllable string with a kanji character string having knot character information of the syllable string.
[0008]
BEST MODE FOR CARRYING OUT THE INVENTION
First, let us consider the case where the search target is the surname or first name of a Japanese individual who has been voice-input.
[0009]
Japanese personal surnames and personal names are for 40 million fixed-line subscribers. If the readings are counted uniquely, there are about 180,000 personal surnames. About 160,000 types are known to exist.
[0010]
In general, the number of objects that can be identified by using a speech recognition device with accuracy and processing speed within a range acceptable by the user is set to several hundred to about 1,000. Under such circumstances, the dozens of thousands of types of objects are very large, and it is said that it is difficult to recognize them accurately only by using the speech recognition apparatus.
[0011]
On the other hand, voice input of personal first and last names is an indispensable target for customer identification in customer care services such as call center operations, etc. If it becomes possible to automatically specify what has been voice input, Demand is great.
[0012]
However, personal surnames and personal names do not have hierarchized attributes.
[0013]
In the embodiment of the present invention, when paying attention to the notation of the character string, the number of characters, etc. constituting the personal surname, the focus is particularly on the reading of the first kanji, and the reading information of the first kanji is used as additional information as follows. Think about what to do.
[0014]
There are about 300 types of leading kanji used for 180,000 personal surnames. Therefore, if information indicating what kind of kanji is the first kanji is acquired as additional information for narrowing down, the object to be recognized (search object) is reduced to 1/300 of the object to be recognized in the conventional method. Can be reduced.
[0015]
Therefore, voice recognition processing is performed on the user input, and the result is output. As a result of this recognition processing, candidates that are output with very high reliability (likelihood) are likely to be correct, and are presented to the user for confirmation.
[0016]
If a plurality of candidates with high reliability are output, or if no candidates are output, the user is asked as the additional information for narrowing down the reading kana of the first kanji in the noun input by speech.
[0017]
Once you have acquired the reading of the first kanji in the noun you entered, you can extract the personal surname that has the goodness of that kanji from the search target database, and perform the speech recognition process again only for the extracted search target, or When a plurality of candidates are output, if there is a search candidate whose first kanji has a corresponding reading among the plurality of candidates, it is presented to the user for confirmation. By doing so, it is possible to narrow down the speech recognition results using not only the speech recognition technology but also the additional information, thereby improving the reliability of the recognition results.
[0018]
Next, the above embodiment will be described by taking a case where a specific personal surname “Masuo” is specified as an example.
[0019]
FIG. 1 is a flowchart showing the operation of the above embodiment.
[0020]
First, when the search device (noun determination device 1 shown in FIG. 7) requests the user to input the personal surname to be searched (S1), “Masuo” is input by voice (S2).
[0021]
FIG. 2 is a diagram illustrating an example of the recognition target list L1 in the above embodiment.
[0022]
The search device (noun determination device 1) holds a personal surname list as a search target in advance as a recognition target list L1, and in this case, it is shaped in accordance with the voice recognition device to be used, that is, in accordance with the input form. ,keeping.
[0023]
At the same time, for each personal surname, the first kanji reading kana and the character string information indicating the number of characters in the personal surname are stored.
[0024]
The search device (noun determination device 1) performs speech recognition processing on the voice “maso” inputted by speech (S3), and from the recognition target list L1, in the order of high reliability (highest likelihood). For example, “1: Matsuo,..., 4: Matsuda” is output as the correct answer candidate as follows (S4).
[0025]
1: Matsuo (Matsuo, end),
2: Matsuno (Matsuno, Matcho),
3: Masuo (Masuo, Masuo),
4: Matsuda (Matsuda, Matsuta)
FIG. 3 is a diagram showing an example of the kanji notation candidate list L2 in the above embodiment.
[0026]
The kanji notation candidate list L2 is a search target (sato, suzuki, tanaka, etc.) input by voice, kanji notation information (Sato, Sato, Sato, sugar, etc.), and reading information (Sa, Hidari) of the first kanji. , Sand, etc.) is a corresponding list.
[0027]
For each recognition result, a kanji notation candidate list L2 that can be considered from the personal surname list is listed in parentheses.
[0028]
In order to specify the user's last name, the search device (noun determination device 1) asks the user "What do you read the first kanji?" (S5).
[0029]
The user answers the reading of the word “increase”, such as “pick up (increase)” or “elephant (increase)” (S6).
[0030]
FIG. 4 is a diagram showing a kanji reading target list L3 prepared in advance in the search device (noun determination device 1) according to the embodiment.
[0031]
The kanji notation candidate list L2 is a list in which kanji readings, information on kanji candidates having the readings, and reading information on the first kanji are recorded correspondingly.
[0032]
After the user answers the reading “Increase” (S6), the search device (noun determination device 1) performs a speech recognition process using the Kanji reading target list L3 shown in FIG. 4 (S7). ).
[0033]
FIG. 5 is a diagram showing an example of the correspondence table L4 between the first kanji reading and the personal surname in the above embodiment.
[0034]
The correspondence table between the first kanji reading and the personal surname and L4 are a list in which the first kanji reading, the kanji corresponding to the first kanji reading, and the individuality using the kanji are associated.
[0035]
Using the correspondence table L4 between the first kanji reading and the personal last name, the kanji having the reading of the recognition result and the individual last name having the first kanji are listed.
Ambiguity also arises in the perception of “lift”
1: “Fold” (increase),
2: “Feel” (cool),
3: “Will” (Grow, Shine, Prosper)
Is obtained.
[0036]
FIG. 6 is an explanatory diagram showing an operation in the case where the personal surname “Masuo” is specified based on “maso” inputted by voice in the above embodiment.
[0037]
Here, with respect to the “input” input as speech, kanji candidates having the reading “adjust” are all searched from the kanji reading target list as shown in FIG. 6 (3) (S8). The result of recognizing the first character of the surname is combined with the recognition result of the first kanji reading shown in FIG. 6 (4) to check the relevance between them (S9).
[0038]
That is, as a result of recognizing the reading of the first kanji, the individual surname candidates having the kanji obtained are “matsuo”, “matsu”, “maso”, “matsuda” shown in FIG. "
(S10). In this case, “Masoo (Masuo)” is listed as a corresponding candidate as shown in FIG.
[0039]
That is, the above embodiment is an embodiment in which Japanese notation is used as additional information for narrowing down a very large number of information sets.
[0040]
In addition, the above "Japanese notation" is information indicating what is the specific character counting from the beginning, such as the first character in Hiragana notation, the second character from the beginning, or the end character, Hiragana notation Information on the number of characters at the time, and the characteristics of the kanji used when written in kanji, such as the reading of the first kanji, the reading of the second kanji, etc. The neck or the like is used as additional information for narrowing down.
[0041]
Then, the candidate of the checked result is displayed (S10), the user is asked a question (S11), an answer is obtained from the user (S12), and if the displayed candidate is correct, the displayed candidate is confirmed. .
[0042]
On the other hand, if it is determined by the user that the displayed candidate is not correct (S12), among the personal surnames input by voice, how to read the second and the nth (n is an integer of 2 or more) kanji. Then, the user is requested to input a voice, the voice is recognized, the Chinese character candidate is searched, and the user is asked a question (S13).
[0043]
FIG. 7 is a block diagram showing a noun determination device 1 according to an embodiment of the present invention.
[0044]
The noun determination device 1 includes a voice input unit 2, a voice recognition unit 3, voice recognition software 3S, a voice recognition result output unit 4, a dialogue control unit 6, a voice output unit 7, and a voice output software 7S. And a system database 8.
[0045]
In the noun determination device 1, the voice of the user P input through the voice input unit 2 is sent to the voice recognition unit 3, and the voice recognition unit 3 uses the system database 8 when performing voice recognition processing on the input voice. Use. In addition, the voice recognition unit 3 performs a recognition process on the voice input by the user P using the voice recognition software 3S.
[0046]
The system database 8 includes a search database 81, a search auxiliary database 82, and a YES / NO database 83.
[0047]
The search database 81 is a database in which a plurality of personal surnames are registered as search terms.
[0048]
The search auxiliary database 82 includes a recognition target list L1, a kanji notation candidate list L2, a kanji reading target list L3, a reading of the first kanji, and a personal surname associated with all personal surnames (search target words) registered in the search database 81. Is a database in which a correspondence table L4 is stored.
[0049]
The YES / NO database 83 is a database that recognizes the contents (for example, yes / no, yes / no) that the user P has responded to.
[0050]
The speech recognition software 3S selects the search database 81 or the search auxiliary database 82 from the system database 8 in accordance with the processing scene of the search device (noun determination device 1).
[0051]
When the search term is inputted by voice, the search auxiliary database 82 is referred to, and when the response to the correctness confirmation to the user P is recognized, the YES / NO database 83 is referred to.
[0052]
The voice recognition unit 3 uses the voice recognition software 3S during the voice recognition process, and the voice output unit 7 uses the voice output software 7S during the voice output.
[0053]
That is, in the above-described embodiment, in the noun identification device that performs speech recognition processing using the speech recognition device on the content input by the user and narrows down the result of the speech recognition processing, the difference in notation is used as additional information for narrowing down. This is an example of a noun identification device that uses voice input to identify a noun voiced by a user from among a large number of search targets.
[0054]
Further, the above embodiment uses voice input of a user's voice in a noun identification device that performs voice recognition processing using a voice recognition device and narrows down the result of the voice recognition processing. Requesting the user to input voice for at least one of the personal surname input request means for requesting the person, the voice recognition means for recognizing the input voice, and the notation of the input personal surname. A voice input having a notation input requesting means, a personal surname inputted by voice, and a personal surname characteristic means for identifying the personal surname inputted by voice based on the notation inputted by voice. It is an example of a noun specific device.
[0055]
In this case, the above notation is information on the reading of the beginning or nth (where n is an integer of 2 or more) kanji used for kanji notation, and is the radical of the first kanji, This is information on the beginning or nth (n is an integer of 2 or more) or information on the end of hiragana used in hiragana notation, and information on the number of characters in hiragana notation.
[0056]
Also, in the process of narrowing down the target nouns, a group is created that collects only personal surnames that are used more than a predetermined number among the personal surnames that have a predetermined kanji as the first kanji. Only the search target may be searched.
[0057]
Furthermore, the above embodiment can be grasped as a program invention, that is, the above embodiment performs a speech recognition process on a content input by a user using a speech recognition device, and a speech recognition process. In the case of narrowing down the results, this is an example of a program for causing a computer to execute a procedure for identifying a noun inputted by a user from among a large number of search targets using information based on a difference in notation as additional information for narrowing down. In the above-described embodiment, when a user inputs a voice by using a voice recognition device, and the voice recognition process is narrowed down, the user is requested to input a personal surname. Personal name input requesting procedure, speech recognition procedure for recognizing the input speech, and notation input for requesting the user to input speech for at least one of the input personal surname notation It is an example of a program that causes a computer to execute a request procedure, a personal surname characteristic procedure for specifying the personal surname input by voice based on the personal surname input by voice and the notation input by voice. .
[0058]
The program may be recorded on a predetermined recording medium. In this case, FD, CD, DVD, HD, and semiconductor memory are examples of the predetermined recording medium.
[0059]
【The invention's effect】
According to the present invention, there is an effect that it is possible to automate a specific task of a large-scale target that has been conventionally handled by a human operator, such as construction of a call center using voice recognition, and only replacement of a human operator. Instead, when searching a database consisting of a large number of objects, the notation feature is used as a search key, so that it is possible to achieve a more accurate, more efficient, and quick search. .
[Brief description of the drawings]
FIG. 1 is a flowchart showing the operation of an embodiment of the present invention.
FIG. 2 is a diagram illustrating an example of a recognition target list L1 in the embodiment.
FIG. 3 is a diagram showing an example of a kanji notation candidate list L2 in the embodiment.
FIG. 4 is a diagram showing a kanji reading target list L3 prepared in advance in the search device (noun determination device 1) in the embodiment.
FIG. 5 is a diagram showing an example of a correspondence table L4 between the reading of the first kanji and the personal surname.
FIG. 6 is an explanatory diagram showing an operation in the case where the personal surname “Masuo” is specified based on “maso” inputted by voice in the embodiment.
FIG. 7 is a block diagram showing a noun determination device 1 according to the first embodiment of the present invention.
[Explanation of symbols]
1 ... Noun confirmation device,
2 ... Voice input part,
3 ... voice recognition unit,
3S ... voice recognition software,
4 ... voice recognition result output unit,
6 ... Dialogue control unit,
7 ... Audio output unit,
7S ... Audio output software,
8: System database.

Claims

In the kanji character string identification device that narrows down the result of speech recognition processing using the speech recognition device, and the results of the speech input by the user.
A kanji character string input requesting means for requesting the user to input a kanji character string by voice;
First speech recognition means for recognizing the speech using the first list;
First candidate selecting means for collating the kanji character string recognized by the first speech recognition means with a second list and selecting a plurality of kanji character strings as a first candidate group;
To voice input characteristic information regarding representation of said audio input kanji character string, and the notation feature information input request means for requesting to a Subscriber;
Second speech recognition means for recognizing the speech using a third list;
Second candidate selection means for collating the notation feature information recognized by the second speech recognition means with a fourth list and selecting a plurality of kanji character strings as a second candidate group;
Narrowing-down means for obtaining a kanji character string in kanji notation existing in either of the two candidate groups ;
And kanji character string candidate display means for displaying the candidates of kanji string kanji narrowed by means narrowing down the;
Have a,
The first list is a list of syllable strings of recognizable kanji character strings,
The second list is a list in which the syllable string and the kanji character string of the kanji notation are associated with each other.
The third list is a list of syllable strings of recognizable notation feature information,
The fourth list, Kanji characters using speech input, which is a list of the above syllable strings, and kanji string Chinese characters having a representation characteristic information of the syllable string is associated Column specific device.

In claim 1,
A kanji character string specifying device using speech input, characterized by having a question means for asking a user a question among kanji character string candidates displayed by the kanji character string candidate display means.

In claim 1 or claim 2,
The above-mentioned notation is information on the reading of the first or nth (where n is an integer of 2 or more) kanji used for kanji notation, and a kanji character string identification device using speech input.

In claim 1 or claim 2,
The above-mentioned notation is a kanji character string specifying device using voice input, characterized in that it is the radical of the first kanji .

In claim 1 or claim 2,
The above-mentioned notation is the first or nth (n is an integer greater than or equal to 2) information or the last information of hiragana used in hiragana notation, a kanji character string specifying device using speech input.

In claim 1 or claim 2,
The above-mentioned notation is information on the number of characters in hiragana notation, and a kanji character string specifying device using speech input.

In claim 1 or claim 2,
In the process the user narrow the kanji character string of interest, making the groups among the kanji character string to the top kanji were collected only kanji character string that is used more than a predetermined number of predetermined kanji A kanji character string specifying device using speech input, wherein only the group is searched as a search target.

In the kanji character string specifying method for narrowing down the result of speech recognition processing using a speech recognition device, and narrowing down the result of speech recognition processing, using the speech input by the user,
A Kanji character string input request stage for requesting the user to input a Kanji character string by voice;
A first speech recognition stage for recognizing the speech using a first list;
A first candidate selection step of collating the kanji character string recognized by the first speech recognition means with a second list and selecting a plurality of kanji character strings as a first candidate group;
To voice input characteristic information regarding representation of said audio input kanji character string, and the notation feature information input request step of requesting to a Subscriber;
A second speech recognition stage for recognizing the speech using a third list;
A second candidate selection step of collating the notation feature information recognized in the second speech recognition step with a fourth list and selecting a plurality of kanji character strings as a second candidate group;
A narrowing-down step for obtaining a kanji character string in kanji notation existing in either of the two candidate groups ;
A kanji character string candidate display stage for displaying candidates for kanji character strings in kanji notation narrowed down in the narrowing- down stage ;
Have a,
The first list is a list of syllable strings of recognizable kanji character strings,
The second list is a list in which the syllable string and the kanji character string of the kanji notation are associated with each other.
The third list is a list of syllable strings of recognizable notation feature information,
The fourth list, Kanji characters using speech input, which is a list of the above syllable strings, and kanji string Chinese characters having a representation characteristic information of the syllable string is associated Column identification method.

In claim 8,
From Kanji character string candidates that are displayed in the kanji character string candidate display step, kanji character string specifying method characterized by having a question step of questions to the user.

In claim 8 or claim 9,
The above-mentioned notation is information on reading of the first or nth (where n is an integer of 2 or more) kanji used for kanji notation, and a kanji character string specifying method using speech input.

In claim 8 or claim 9,
The above-mentioned notation is a kanji character string specifying method using speech input, characterized in that it is the radical of the first kanji .

In claim 8 or claim 9,
The above-mentioned notation is the first or nth (where n is an integer of 2 or more) information or the last information of hiragana used in hiragana notation, and a kanji character string specifying method using speech input.

In claim 8 or claim 9,
The above-mentioned notation is information on the number of characters in hiragana notation, and a kanji character string specifying method using speech input.

In claim 8 or claim 9,
In the process the user narrow the kanji character string of interest, making the groups among the kanji character string to the top kanji were collected only kanji character string that is used more than a predetermined number of predetermined kanji A kanji character string specifying method using speech input, wherein only the group is searched as a search target.

When a user performs voice recognition processing using a voice recognition device and narrows down the results of voice recognition processing,
A kanji character string input request procedure for requesting the user to input a kanji character string by voice;
A first speech recognition procedure for recognizing the speech using the first list;
A first candidate selection procedure for collating the kanji character string recognized by the first speech recognition procedure with a second list and selecting a plurality of kanji character strings as a first candidate group;
To voice input characteristic information regarding representation of said audio input kanji character string, and the notation feature information input request procedure for requesting to a Subscriber;
A second speech recognition procedure for recognizing the speech using a third list;
A second candidate selection procedure for collating the notation feature information recognized by the second speech recognition procedure with a fourth list and selecting a plurality of kanji character strings as a second candidate group;
A narrowing-down procedure for obtaining a kanji character string in kanji notation existing in either of the two candidate groups ;
And kanji character string candidate display procedure for displaying the candidate Kanji character strings of kanji narrowed by steps refinement above;
Is a program that causes a computer to execute
The first list is a list of syllable strings of recognizable kanji character strings,
The second list is a list in which the syllable string and the kanji character string of the kanji notation are associated with each other.
The third list is a list of syllable strings of recognizable notation feature information,
The program according to claim 4, wherein the fourth list is a list in which the syllable string and a kanji character string of kanji notation including notation feature information of the syllable string are associated with each other .

When a user performs voice recognition processing using a voice recognition device and narrows down the results of voice recognition processing,
A kanji character string input request procedure for requesting the user to input a kanji character string by voice;
A first speech recognition procedure for recognizing the speech using the first list;
A first candidate selection procedure for collating the kanji character string recognized by the first speech recognition procedure with a second list and selecting a plurality of kanji character strings as a first candidate group;
To voice input characteristic information regarding representation of said audio input kanji character string, and the notation feature information input request procedure for requesting to a Subscriber;
A second speech recognition procedure for recognizing the speech using a third list;
A second candidate selection procedure for collating the notation feature information recognized by the second speech recognition procedure with a fourth list and selecting a plurality of kanji character strings as a second candidate group;
A narrowing-down procedure for obtaining a kanji character string in kanji notation existing in either of the two candidate groups ;
And kanji character string candidate display procedure for displaying the candidate Kanji character strings of kanji narrowed by steps refinement above;
The A computer-readable recording medium recording a program to be executed by a computer,
The first list is a list of syllable strings of recognizable kanji character strings,
The second list is a list in which the syllable string and the kanji character string of the kanji notation are associated with each other.
The third list is a list of syllable strings of recognizable notation feature information,
The recording medium according to claim 4, wherein the fourth list is a list in which the syllable string is associated with a kanji character string having knot character information including notation characteristic information of the syllable string .