JP6303530B2 - 頻度算出装置、方法、及びプログラム - Google Patents

Description

開示の技術は、頻度算出装置、方法、及びプログラムに関する。

記憶装置の大容量化に伴い、会議における発言または通話などの音声を録音することにより、大量の音声データを蓄積することが可能となった。蓄積された大量の音声データを分析・分類することにより、企業活動などに活用する試みがなされている。

また、通話により生成される音声データをリアルタイムで分析し、分析結果によって、例えば、コールセンターのオペレータを支援することで、サービス品質の向上及びコスト削減を図る試みもなされている。

また、音声データに含まれる複数の単語を音声認識し、当該音声データに対応する文字データを用いて、単語毎の音声認識の適合率を取得し、当該適合率を用いて、音声認識によって取得された単語毎の検出頻度を修正する技術が知られている。適合率とは、正しく認識された単語の検出頻度を音声認識で当該単語であるとして認識された単語の検出頻度で除した値である。

また、単語の発音を示す情報に基づいて、音声データを当該単語として認識するか否かを判定するために用いる閾値を取得し、未検出頻度及び誤検出頻度の総和を抑制する技術が知られている。誤検出とは検出対象とは異なる単語を当該検出対象の単語として検出することである。未検出とは、検出対象の単語が存在する場合に、当該検出対象の単語を検出しないことである。

特開２００９−１２８７９７号公報 特開２０１１−２２４７６号公報

音声データに対応する文字データを用いて、単語毎の音声認識の適合率を取得する技術では、対応する文字データが存在しなければ、単語毎の検出頻度を修正するための適合率を取得することは困難である。

また、単語の発音を示す情報に基づいて、音声データを当該単語として認識するか否かを判定するために用いる閾値を取得する技術では、未検出頻度が増加する場合がある。

開示の技術は、１つの側面として、対応する文字データが存在しない場合でも精度よく、音声データから単語毎の検出頻度を取得することが目的である。

開示の技術において、単語検出部は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。また、頻度算出部は、前記検出される単語の読み情報に基づいて定まり、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を前記検出頻度に適用する。これにより、頻度算出部は、前記検出頻度の前記誤検出割合が補正された推定検出頻度を算出する。

開示の技術は、１つの側面として、対応する文字データが存在しない場合でも精度よく、音声データから単語毎の検出頻度を取得することができる、という効果を有する。

第１実施形態に係るコンピュータの要部機能の一例を示すブロック図である。 第１実施形態に係るコンピュータの電気系の構成の一例を示すブロック図である。 実施形態に係る単語辞書テーブルの一例を示す概念図である。 第１実施形態の頻度算出処理の流れの一例を示すフローチャートである。 実施形態に係る音声認識処理による単語の検出頻度の例を示すテーブルである。 第１実施形態に係る補正値の例を示すテーブルである。 第１実施形態に係る推定検出頻度の例を示すテーブルである。 第２及び第３実施形態に係るコンピュータの要部機能の一例を示すブロック図である。 第２及び第３実施形態に係るコンピュータの電気系の構成の一例を示すブロック図である。 第２、第３、第６及び第７実施形態に係る文字データテーブルの一例を示す概念図である。 第２及び第３実施形態の頻度算出処理の流れの一例を示すフローチャートである。 第２、第３、第６及び第７実施形態に係る文字データテーブルの表記に対応する読みの例を示すテーブルである。 第２及び第３実施形態に係る類似した単語パタン群の例を示すテーブルである。 第２及び第３実施形態に係る類似単語パタンの検出例を説明するためのテーブルである。 第２及び第３実施形態に係る類似単語パタンの検出例を説明するためのテーブルである。 第２及び第３実施形態に係る類似単語パタンの検出頻度の例を示すテーブルである。 第２実施形態に係る補正値の例を示すテーブルである。 第３実施形態に係る補正値の例を示すテーブルである。 第４及び第５実施形態に係るコンピュータの要部機能の一例を示すブロック図である。 第４及び第５実施形態に係るコンピュータの電気系の構成の一例を示すブロック図である。 第４及び第５実施形態に係る適合値テーブルの一例を示す概念図である。 第４及び第５実施形態の頻度算出処理の流れの一例を示すフローチャートである。 第６及び第７実施形態に係るコンピュータの要部機能の一例を示すブロック図である。 第６及び第７実施形態に係るコンピュータの電気系の構成の一例を示すブロック図である。 第６及び第７実施形態に係る誤認識テーブルの一例を示す概念図である。 第６及び第７実施形態の頻度算出処理の流れの一例を示すフローチャートである。 第６及び第７実施形態に係る類似単語パタン群の例を示すテーブルである。 第６実施形態に係る類似単語パタンの検出頻度の例を示すテーブルである。 第６実施形態に係る補正値の例を示すテーブルである。 第７実施形態に係る一致単語の検出頻度の例を示すテーブルである。 第８実施形態に係るクライアントコンピュータ及びサーバコンピュータの要部機能の一例を示すブロック図である。 第８実施形態に係るクライアントコンピュータの電気系の構成の一例を示すブロック図である。 第８実施形態に係るサーバコンピュータの電気系の構成の一例を示すブロック図である。 第８実施形態のクライアントコンピュータで行われる頻度算出処理の流れの一例を示すフローチャートである。 第８実施形態のサーバコンピュータで行われる頻度算出処理の流れの一例を示すフローチャートである。 比較例１を説明するためのテーブルである。 比較例１を説明するためのテーブルである。 比較例２を説明するためのヒストグラムである。 比較例２を説明するためのヒストグラムである。 比較例２を説明するためのヒストグラムである。

［第１実施形態］
以下、図面を参照して開示の技術の実施形態の一例を詳細に説明する。なお、以下の説明では、開示の技術に係る頻度算出装置の一例として汎用装置であるコンピュータを例に挙げて説明するが、開示の技術はこれに限定されるものではない。開示の技術は、例えば、頻度算出のための専用装置、または頻度算出のためのデバイスを装着した基板などに適用可能である。

一例として図１に示すコンピュータ１０は、単語検出部１２、補正値算出部１４、頻度算出部１６、及び記憶部１８を有する。単語検出部１２は、記憶部１８及び頻度算出部１６と接続されている。補正値算出部１４は、頻度算出部１６及び記憶部１８と接続されている。

記憶部１８は、少なくとも１つの音声データを含む音声データ群６８Ｂ及び少なくとも１つの所定の単語を含む単語辞書テーブル６８Ａを生成するためのデータを記憶している。音声データ群６８Ｂは、例えば、音声データＡ、音声データＢ、及び音声データＣを含む。単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、補正値を算出する。補正値は、検出される単語の読み情報に基づいて定まり、かつ、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するために、算出される。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。

コンピュータ１０は、一例として図２に示すように、ＣＰＵ（Central Processing Unit）６０、１次記憶部６２、２次記憶部６４、及び外部インターフェイス７０を備えている。ＣＰＵ６０、１次記憶部６２、２次記憶部６４、及び外部インターフェイス７０は、バス７８を介して接続されている。

外部インターフェイス７０には、図示しない外部装置が接続され、外部装置とＣＰＵ６０との間の各種情報の送受信を司る。

１次記憶部６２は、例えば、ＲＡＭ（Random Access Memory）などの揮発性のメモリである。２次記憶部６４は、例えば、ＨＤＤ（Hard Disk Drive）、またはＳＳＤ（Solid State Drive）などの不揮発性のメモリである。１次記憶部６２及び２次記憶部６４は、図１の記憶部１８として機能する。

２次記憶部６４は、一例として、単語検出サブプログラム６６Ａ、補正値算出サブプログラム６６Ｂ、及び頻度算出サブプログラム６６Ｃを含む頻度算出プログラム６６を記憶している。また、２次記憶部６４は、単語辞書テーブル６８Ａを生成するためのデータ及び音声データ群６８Ｂを記憶している。

単語辞書テーブル６８Ａを生成するためのデータは、１次記憶部６２に展開され、単語辞書テーブル６８Ａが生成される。図３に単語辞書テーブル６８Ａの概念図を示す。単語辞書テーブル６８Ａは、単語の表記を含む表記フィールドと、当該表記に対応する読みを含む読みフィールドと、を有する。例えば、表記が「タブレット」である単語レコードでは、対応する読みは「たぶれっと」である。単語辞書テーブル６８Ａには、音声データ群６８Ｂに含まれる音声データＡ、Ｂ及びＣから検出する単語に対応する単語レコードが予め登録されている。

ＣＰＵ６０は、２次記憶部６４から単語検出サブプログラム６６Ａ、補正値算出サブプログラム６６Ｂ、及び頻度算出サブプログラム６６Ｃを読み出して１次記憶部６２に展開する。ＣＰＵ６０は、単語検出サブプログラム６６Ａを実行することで、図１に示す単語検出部１２として動作する。ＣＰＵ６０は、補正値算出サブプログラム６６Ｂを実行することで、図１に示す補正値算出部１４として動作する。ＣＰＵ６０は、頻度算出サブプログラム６６Ｃを実行することで、図１に示す頻度算出部１６として動作する。

単語検出サブプログラム６６Ａ、補正値算出サブプログラム６６Ｂ、及び頻度算出サブプログラム６６Ｃを実行することにより行われる図４に例示する頻度算出処理は、例えば、ユーザがキーボードの所定のキーを押下することにより、開始される。ステップ１０２で、ＣＰＵ６０は、音声データＡに音声認識処理を適用し、例えば、単語辞書テーブル６８Ａに含まれている単語「タブレット」、「パソコン」、及び「携帯電話」の検出を行い、単語毎の検出頻度を取得する。

単語検出サブプログラム６６Ａに含まれている音声認識処理では、音声データＡから特徴パタンを抽出し、２次記憶部６４に予め記憶されている図示しない単語の各々の音声の特徴を有する音響モデルと特徴パタンとを照合する。次に、音響モデルと特徴パタンとの一致度が所定の閾値よりも大きい場合は、当該特徴パタンを音響モデルに対応する単語として検出する。ここでは、図５に示されるように、例えば、単語「タブレット」が８個、単語「パソコン」が１個、単語「携帯電話」が０個検出される。すなわち、単語「タブレット」の検出頻度は８個、単語「パソコン」の検出頻度は１個、単語「携帯電話」の検出頻度は０個である。

次に、ＣＰＵ６０は、音声データＢに音声認識処理を適用し、ここでは、図５に示されるように、例えば、単語「タブレット」が３個、単語「パソコン」が３個、単語「携帯電話」が１個検出された例が示されている。また、ＣＰＵ６０は、音声データＣに音声認識処理を適用し、ここでは、図５に示されるように、例えば、単語「タブレット」が０個、単語「パソコン」が２個、単語「携帯電話」が５個検出される。

次に、ステップ１０４で、ＣＰＵ６０は、検出頻度に含まれる誤検出割合を補正する補正値を算出する。補正値は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、検出頻度に含まれる誤検出割合を補正するために、算出される。ここでは、特徴として読み情報の１つである単語の拍数を用いる。詳細には、拍数が多くなるに従って、小さくなる誤検出割合を補正するための補正値を算出する。拍数が多くなるに従って、音声データの特徴パタンと照合される音響モデルも長くなるため、単語が誤検出され難くなり、当該単語が正しく検出される可能性が高くなる。すなわち、拍数は、「検出される単語が誤検出され易い程度を示す特徴」となる。

ここでは、例えば、以下の（１）式を用いて、補正値を算出する。
補正値＝ｍｉｎ（１，０．５＋拍数×０．０５） …（１）
関数ｍｉｎ（ｘ，ｙ）は、ｘ，ｙのうち小さい方を表す。

単語「タブレット」、「パソコン」、及び「携帯電話」の各々の拍数は、５個、４個、及び７個であるから、図６に示されるように、ここでは、各単語の補正値は、０．７５、０．７０、及び０．８５である。なお、１拍は、短母音のみもしくは子音と短母音のみの短い音節１つ分の長さに該当し、長音「ー」、撥音「ッ」、「ン」なども１拍としてカウントされる。

次に、ステップ１０６で、ＣＰＵ６０は、単語の各々の検出頻度に補正値を適用することにより、推定検出頻度を算出する。ここでは、例えば、以下の（２）式を用いて、推定検出頻度を算出する。
推定検出頻度＝検出頻度×補正値 …（２）

図５に示した例では、図７に示されるように、音声データＡでは、例えば、単語「タブレット」の推定検出頻度が６．００個、単語「パソコン」の推定検出頻度が０．７０個、単語「携帯電話」の推定検出頻度が０．００個として算出される。また、音声データＢでは、例えば、単語「タブレット」の推定検出頻度が２．２５個、単語「パソコン」の推定検出頻度が２．１０個、単語「携帯電話」の推定検出頻度が０．８５個として算出される。また、音声データＣでは、例えば、単語「タブレット」の推定検出頻度が０．００個、単語「パソコン」の推定検出頻度が１．４０個、単語「携帯電話」の推定検出頻度が４．２５個として算出される。

ここで、補正値は、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するためのものであり、誤検出割合は（１−補正値）で表される。すなわち、補正値は、検出頻度に、「検出頻度×（１−補正値）」個の誤検出分が含まれているとみなし、この誤検出分を除外した推定検出頻度を算出するためのものである。例えば、音声データＡでは、単語「タブレット」の検出頻度には、誤検出割合０．２５、すなわち２個（８×０．２５）の誤検出分が含まれているとみなした補正値０．７５を検出頻度に乗ずることにより、推定検出頻度が６．００個と算出されている。誤検出割合０．２５は、１−０．７５（＝補正値）である。

なお、単語辞書テーブル６８Ａは、表記フィールド及び読みフィールドを有するものとしたが、開示の技術はこれに限定されない。単語辞書テーブル６８Ａは、例えば、表記フィールドのみを有し、表記フィールドに含まれる表記に基づいて読みを生成するようにしてもよい。また、表記フィールド及び読みフィールドに加えて、音響モデルを含む音響モデルフィールドを有していてもよい。

単語辞書テーブル６８Ａを生成するためのデータは、予め２次記憶部６４に記憶されているものとしたが、開示の技術はこれに限定されない。例えば、単語辞書テーブル６８Ａ生成するためのデータは、外部インターフェイス７０を介して、外部装置から２次記憶部６４に送信されてもよい。

音声データＡ、Ｂ、及びＣは、予め２次記憶部６４に記憶されているものとしたが、開示の技術はこれに限定されない。例えば、音声データは、外部インターフェイス７０を介して、電話などの音声を入力する外部装置から２次記憶部６４に送信されてもよい。

音声データＡ、Ｂ、及びＣが音声データ群６８Ｂに含まれているものとしたが、開示の技術はこれに限定されない。例えば、音声データ群６８Ｂに含まれる音声データは、１個または２個であってもよいし、３個より多くてもよい。

図４に例示する頻度算出処理は、ユーザがキーボードの所定のキーを押下することにより、開始されるものとしたが、開示の技術はこれに限定されない。例えば、外部インターフェイス７０を介して、外部装置から２次記憶部６４に音声データが送信された場合に、頻度算出処理が開始されてもよい。

また、「検出される単語が誤検出され易い程度を示す特徴」として、読み情報の１つである拍数を用いたが、開示の技術はこれに限定されない。例えば、他の読み情報として、音節数、または音素数などが使用されてもよい。

ステップ１０２で単語毎の検出頻度を取得する前にステップ１０４で単語毎の補正値を算出してもよい。また、単語毎の補正値を頻度算出処理において算出せず、予め、単語毎の補正値を算出して、２次記憶部６４に記憶しておいてもよい。予め補正値を記憶しておく場合、補正値の算出は外部装置で行ってもよい。この場合、「補正値算出部１４」を省略することができる。

算出された補正値及び推定検出頻度は、例えば、２次記憶部６４に記憶されてもよいし、外部インターフェイス７０を介して外部装置に送信されてもよい。

（１）式は、以下の（１Ａ）式のように、パーセント（％）を用いて率で表されてもよい。
補正率＝ｍｉｎ（１００％，５０％＋拍数×５％） …（１Ａ）

また、（１）式において用いられている数値０．５及び０．０５は一例であり、開示の技術は、当該数値及び数式に限定されるものではない。単語の拍数が多くなるに従って小さくなる誤検出割合を補正するための補正値を算出するために適切な数値及び数式を選択することが可能である。

第１実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて、検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。したがって、開示の技術によれば、対応する文字データが存在しない場合でも精度よく単語毎の推定検出頻度を取得することができる。

また、補正値算出部１４は、所定の単語の拍数が多くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。拍数が多くなるに従って、音声データの特徴パタンと照合される音響モデルも長くなるため、単語が誤検出され難くなり、当該単語が正しく検出される可能性が高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。

［第２実施形態］
第２実施形態の構成は、図８に示すように、記憶部１８が文字データテーブル６８Ｃを生成するためのデータをさらに記憶している点で、第１実施形態と相違する。また、図９に示すように、記憶部１８として機能する２次記憶部６４が文字データテーブル６８Ｃを生成するためのデータをさらに記憶している点で、第１実施形態と相違する。以下、第１実施形態と同様の構成については説明を省略する。

図１０に文字データテーブル６８Ｃの一例を示す。図１０に示す文字データテーブル６８Ｃは、文章の表記を含む表記フィールドを有する。

図１１に例示する第２実施形態の頻度算出処理のステップ２０２及びステップ２０６は、第１実施形態の頻度算出処理のステップ１０２及びステップ１０６と同様であるので、説明を省略する。

ステップ２０４では、ＣＰＵ６０は、検出頻度に含まれる誤検出割合を補正するための補正値を算出する。ＣＰＵ６０は、まず、文字データテーブル６８Ｃの文字データレコードの表記を図１２に示すように、読みに変換する。例えば、文字データレコードの表記「タブレットの型番はどこに書いてありますか」は、読み「たぶれっとのかたばんわどこにかいてありますか」に変換される。

ＣＰＵ６０は、次に、図３に例示する単語辞書に含まれる単語と読みが類似する単語パタン（以下、類似単語パタン）を生成する。類似単語パタンは、例えば、単語の１拍を、元の拍と異なる拍に置き換えることによって生成される。例えば、「たぶれっと」の類似単語パタンは、図１３の類似した単語パタン群フィールドに示すように、「＊ぶれっと」、「た＊れっと」、「たぶ＊っと」、「たぶれ＊と」、「たぶれっ＊」である。＊は、元の拍とは異なる拍を表す。したがって、「＊ぶれっと」では、＊は、「た」とは異なる拍である。

ＣＰＵ６０は、次に、文字データテーブル６８Ｃの文字データレコードに対応する読みから単語辞書テーブル６８Ａに含まれる単語の類似単語パタンを検出し、当該類似単語パタンの検出頻度を取得する。ここで、単語辞書テーブル６８Ａに含まれる単語、例えば、「たぶれっと」の検出は行わない。

図１４に示すように、「＊ぶれっと」に対応する「さぶれっと」が文字データレコードに対応する読み「さぶれっとについてげんちのじょーほーおおしえてください」に含まれる。したがって、単語辞書テーブル６８Ａに含まれる類似単語パタンの検出頻度は、図１５に示すように、単語「タブレット」について１となる。

図１０には、３個の文字データレコードのみを示しているが、さらに、多くの文字データレコードに対して、単語辞書テーブル６８Ａに含まれる単語毎の類似単語パタンの検出頻度を取得する。例えば、図１６に示す例では、単語「タブレット」の類似単語パタンの検出頻度は、５０００個、単語「パソコン」の類似単語パタンの検出頻度は、２００個、単語「携帯電話」の類似単語パタンの検出頻度は、１０個である。なお、これらの検出頻度は、説明のための例示である。

次に、ＣＰＵ６０は、単語辞書テーブル６８Ａに含まれている単語「タブレット」、「パソコン」、及び「携帯電話」の各々の読み情報に基づいて、補正値を算出する。ここでは、読み情報として、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度を用いる。文字データテーブル６８Ｃからの単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度が低くなるに従って指数関数的に小さくなる誤検出割合を補正するための補正値を算出する。

文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれるということは、当該類似単語パタンが出現する可能性が高いということである。したがって、単語辞書テーブル６８Ａに含まれる単語と、類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから検出する可能性が高くなる。すなわち、文字データテーブル６８Ｃにおける単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度は、「検出される単語が誤検出され易い程度を示す特徴」となる。

ここでは、例えば、以下の（３）式を用いて補正値を算出する。
補正値＝１−０．１ｌｏｇ_１０（類似単語パタンの検出頻度）…（３）

図１６に示すように、単語「タブレット」、「パソコン」、及び「携帯電話」の各々の類似単語パタンの検出頻度が、５０００個、２００個、及び１０個である場合、図１７に示されるように、ここでは、補正値は、０．６３、０．７７、及び０．９０となる。

なお、文字データテーブル６８Ｃは、予め２次記憶部６４に記憶されているものとしたが、開示の技術はこれに限定されない。例えば、文字データテーブル６８Ｃは、外部インターフェイス７０を介して、外部装置から２次記憶部６４に送信されてもよい。文字データテーブル６８Ｃは、例えば、言語コーパスであってよい。

また、文字データテーブル６８Ｃに替えて、蓄積されている大量の音声データ群を用いてもよい。この場合、類似単語パタンの検出は、音声認識処理によって行われる。

文字データテーブル６８Ｃの表記に対応する読みは、文字データテーブル６８Ｃの表記を変換して取得されるものとしたが、開示の技術はこれに限定されない。例えば、文字データテーブル６８Ｃの表記に対応する読みは、予め、２次記憶部６４に記憶されていてもよい。

（３）式は、以下の（３Ａ）式のように、パーセント（％）を用いて率で表されてもよい。
補正率＝１００％−１０ｌｏｇ_１０（類似単語パタンの検出頻度）…（３Ａ）

また、（３）式において用いられている数値０．１は一例であり、開示の技術は、当該数値及び数式に限定されるものではない。文字データテーブル６８Ｃに含まれる所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる誤検出割合を補正するための補正値を算出するために適切な数値及び数式を選択することが可能である。

（３）式において、対数を使用し、補正値が指数関数的に増減するものとしたが、開示の技術はこれに限定されない。

第２実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。したがって、開示の技術によれば、対応する文字データが存在しない場合でも精度よく単語毎の推定検出頻度を取得することができる。

補正値算出部１４は、文字データテーブル６８Ｃに含まれる所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれると、単語辞書テーブル６８Ａに含まれる単語と、類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから、検出する可能性が高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。

［第３実施形態］
第３実施形態の構成は、第２実施形態と同様であるため、説明を省略する。

第３実施形態の頻度算出処理において、ＣＰＵ６０は、図１１のステップ２０４において、さらに、文字データテーブル６８Ｃから単語辞書テーブル６８Ａに含まれる単語と読みが一致する単語（以下、一致単語）を検出し、当該一致単語の検出頻度を取得する。一例として、図１８に示すように、単語辞書テーブル６８Ａに含まれる単語「タブレット」の一致単語の検出頻度は、１００００個、単語辞書テーブル６８Ａに含まれる単語「パソコン」の一致単語の検出頻度は、２０００個である。また、単語辞書テーブル６８Ａに含まれる単語「携帯電話」の一致単語の検出頻度は、１０個である。なお、これらの検出頻度は、説明のための例示である。

次に、ＣＰＵ６０は、単語辞書テーブル６８Ａに含まれている単語「タブレット」、「パソコン」、及び「携帯電話」の各々の読み情報に基づいて、補正値を算出する。ここでは、読み情報として、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの文字データテーブル６８Ｃにおける検出頻度、及び単語辞書テーブル６８Ａに含まれる単語の一致単語の文字データテーブル６８Ｃにおける検出頻度を用いる。文字データテーブル６８Ｃに、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度が低くなり、単語辞書テーブル６８Ａに含まれる単語の一致単語の検出頻度が高くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。

文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれると、単語辞書テーブル６８Ａに含まれる単語と、当該単語の類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから検出する可能性が高くなるためである。一方で、文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語と読みが一致する単語が多く含まれると、検出された単語辞書テーブル６８Ａに含まれる単語が正しく認識された単語である可能性が高くなる。すなわち、類似単語パタンの文字データテーブル６８Ｃにおける検出頻度、及び一致単語の文字データテーブル６８Ｃにおける検出頻度は、「検出される単語が誤検出され易い程度を示す特徴」となる。

ここでは、例えば、以下の（４）式を用いて補正値を算出する。
補正値＝１−０．１ｌｏｇ_１０（類似単語パタンの検出頻度）＋０．０５ｌｏｇ_１０（一致単語の検出頻度）…（４）

図１８に示されるように、単語「タブレット」、「パソコン」、及び「携帯電話」の各々の類似単語パタンの検出頻度は、５０００個、２００個、及び１０個である。また、単語「タブレット」、「パソコン」、及び「携帯電話」の各々の一致単語の検出頻度は、１００００個、２０００個、及び１０個であるから、ここでは、補正値は、０．８３、０．９３、及び０．９５である。

なお、（４）式は、以下の（４Ａ）式のように、パーセント（％）を用いて率で表されてもよい。
補正率＝１００％−１０ｌｏｇ_１０（類似単語パタンの検出頻度）＋５ｌｏｇ_１０（一致単語の検出頻度）…（４Ａ）

また、（４）式において用いられている数値０．１及び０．０５は一例であり、開示の技術は、当該数値及び数式に限定されるものではない。文字データテーブル６８Ｃに含まれる所定の単語の類似単語パタンの検出頻度が低くなり、所定の単語の一致単語の検出頻度が高くなるに従って小さくなる誤検出割合を補正するための補正値を算出するために適切な数値及び数式を選択することが可能である。

（４）式において、対数を使用し、補正値が指数関数的に増減するものとしたが、開示の技術はこれに限定されない。

第３実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。したがって、開示の技術によれば、対応する文字データが存在しない場合でも精度よく単語毎の推定検出頻度を取得することができる。

補正値算出部１４は、文字データテーブル６８Ｃに含まれる単語の類似単語パタンの検出頻度が低くなり、文字データテーブル６８Ｃに含まれる単語の一致単語パタンの検出頻度が高くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれると、単語辞書テーブル６８Ａに含まれる単語と、類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから、検出する可能性が高くなるためである。一方で、文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語と読みが一致する単語が多く含まれると、検出された単語辞書テーブル６８Ａに含まれる単語が正しく認識された単語である可能性が高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。

［第４実施形態］
第４実施形態の構成は、図１９に示すように、記憶部１８が文字データテーブル６８Ｃに替えて適合値テーブル６８Ｄを生成するためのデータを記憶している点で、第２及び第３実施形態と相違する。また、図２０に示すように、記憶部１８として機能する２次記憶部６４が文字データテーブル６８Ｃに替えて適合値テーブル６８Ｄを生成するためのデータを記憶している点で、第２及び第３実施形態と相違する。

図２１に適合値テーブル６８Ｄの一例を示す。適合値テーブル６８Ｄは、拍の各々の読みを含む拍フィールドと当該拍の各々に対応する適合値を含む適合値フィールドを有する。拍の各々に対応する適合値は、音声認識によって学習用音声データから拍の各々を検出した検出頻度を音声データに含まれる拍の出現頻度で除することによって取得することができる。

図２２に示す第４実施形態の頻度算出処理のステップ３０２及びステップ３０６は、第１実施形態のステップ１０２及びステップ１０６、及び、第２及び第３実施形態のステップ２０２及びステップ２０６と同様であるので、説明を省略する。

ステップ３０４で、ＣＰＵ６０は、検出頻度に含まれる誤検出割合を補正するための補正値を算出する。補正値は、単語辞書テーブル６８Ａに含まれる単語の各々の読みの拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなるに従って小さくなる誤検出割合を補正するための補正値を算出する。

拍の各々の適合値の代表値が大きくなれば、当該拍の各々に対応する読みを含む単語が正しく検出される可能性が高くなる。すなわち、拍の各々の適合値の代表値は、「検出される単語が誤検出され易い程度を示す特徴」となる。

ここでは、例えば、拍の各々の適合値の最小値を代表値として用いる。この場合、以下の（５）式を用いて補正値を算出する。
補正値＝ｍｉｎ（単語に含まれる読みの拍毎の適合値）…（５）

読み「たぶれっと」を有する単語の拍の各々「た」、「ぶ」、「れ」、「っ」、「と」の適合値は、図２１に示されるように、各々０．８２，０．８５，０．７７，０．７０，０．７５であるから、補正値は、０．７０である。なお、これらの適合値は、説明のための例示である。

なお、代表値として、単語に含まれる読みの拍毎の適合値の最小値を用いたが、開示の技術はこれに限定されず、例えば、単語に含まれる読みの拍毎の適合値の平均値または中央値などを代表値として用いてもよい。

適合値テーブル６８Ｄを生成するためのデータは、予め２次記憶装置６４に記憶されているものとしたが、開示の技術はこれに限定されない。例えば、適合値テーブル６８Ｄを生成するためのデータは、外部インターフェイス７０を介して、外部装置から２次記憶装置６４に送信されてもよい。

（５）式は、以下の（５Ａ）式のように、パーセント（％）を用いて率で表されてもよい。適合率は、上記適合値に１００を乗じることによって取得される。
補正率＝ｍｉｎ（単語に含まれる読みの拍毎の適合率（％））…（５Ａ）

第４実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、検出頻度に含まれる誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用して、検出頻度に含まれる誤検出割合を補正することにより、推定検出頻度を算出する。したがって、開示の技術によれば、自動的にかつ精度よく単語毎の推定検出頻度を取得することができる。

補正値算出部１４は、単語に含まれる読みの拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなるに従って小さくなる誤検出割合を補正するための補正値を算出する。拍の各々の適合値の代表値が大きくなれば、当該拍の各々に対応する読みを含む単語が正しく検出される可能性も高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。

［第５実施形態］
第５実施形態の構成は、第４実施形態と同様であるため、説明を省略する。

第４実施形態の処理と第５実施形態の処理との相違点を以下に説明する。第５実施形態の処理において、第４実施形態と同様の部分については説明を省略する。

第５実施形態の頻度算出処理において、ＣＰＵ６０は、図２２のステップ３０４で、さらに、単語辞書テーブル６８Ａに含まれる単語が有する拍数を取得し、拍数が多くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。拍数が多くなるに従って、音声データの特徴パタンと照合される音響モデルも長くなるため、単語が誤検出され難くなり、当該単語が正しく検出される可能性が高くなる。すなわち、拍の各々の適合値の代表値、及び拍数は、「検出される単語が誤検出され易い程度を示す特徴」となる。

ここでは、例えば、拍の各々の適合値の最小値を代表値として用いる。この場合、以下の（６）式を用いて補正値を算出する。
補正値＝ｍｉｎ（１，ｍｉｎ（単語に含まれる読みの拍毎の適合値）＋拍数×０．０１）…（６）

読み「たぶれっと」を有する単語の拍の各々「た」、「ぶ」、「れ」、「っ」、「と」の適合値は、図２１に示されるように、各々０．８２，０．８５，０．７７，０．７０，０．７５であるから、ｍｉｎ（単語に含まれる読みの拍毎の適合値）は、０．７０である。なお、これらの検出頻度は、説明のための例示である。

読み「たぶれっと」の拍数は５であるから、ｍｉｎ（単語に含まれる読みの拍毎の適合値）＋拍数×０．０１は、０．７０＋０．０５＝０．７５であり、補正値は０．７５である。

第５実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。したがって、開示の技術によれば、対応する文字データが存在しない場合でも精度よく単語毎の推定検出頻度を取得することができる。

補正値算出部１４は、単語に含まれる読みの拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなり、単語の拍数が多くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。拍の各々の適合値の代表値が大きくなれば、当該拍の各々に対応する読みを含む単語が正しく検出される可能性も高くなるためである。一方で、拍数が多くなるに従って、音声データの特徴パタンと照合される音響モデルも長くなるため、単語が誤検出され難くなり、当該単語が正しく検出される可能性が高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。

［第６実施形態］
第６実施形態の構成は、図２３に示すように、記憶部１８が文字データテーブル６８Ｃ及び誤認識データテーブル６８Ｅを生成するデータを記憶している点で、第１〜第５実施形態と相違する。また、図２４に示すように、記憶部１８として機能する２次記憶部６４が文字データテーブル６８Ｃ及び誤認識データテーブル６８Ｅを生成するデータを記憶している点で、第１〜第５実施形態と相違する。

図２５に誤認識データテーブル６８Ｅの一例を示す。図２５に示す誤認識データテーブル６８Ｅは、拍の各々の読みを含む拍フィールドと当該拍の各々の読みと誤認識しやすい読みを有する誤認識フィールドを有する。拍の各々の読みと誤認識しやすい読みは、音声認識によって学習用音声データから拍の各々を検出した際に、誤認識によって当該拍であるとして検出された当該拍とは異なる読みを有する拍を抽出することによって取得することができる。

図２６に例示する第６実施形態の頻度算出処理のステップ４０２及びステップ４０６は、第１実施形態の頻度算出処理のステップ１０２及びステップ１０６、及び、第２及び第３実施形態のステップ２０２及びステップ２０６と同様である。また、第６実施形態の頻度算出処理のステップ４０２及びステップ４０６は、第４及び第５実施形態のステップ３０２及びステップ３０６と同様である。したがって、説明を省略する。

ステップ４０４では、ＣＰＵ６０は、検出頻度に含まれる誤検出割合を補正するための補正値を算出する。ＣＰＵ６０は、まず、文字データテーブル６８Ｃの文字データレコードの表記を、図１２に示すように、読みに変換する。例えば、文字データレコードの表記「タブレットの型番はどこに書いてありますか」は読み「たぶれっとのかたばんわどこにかいてありますか」に変換される。

ＣＰＵ６０は、次に、図３に例示する単語辞書テーブル６８Ａに含まれる単語と読みが類似する単語パタン（以下、類似単語パタン）を生成する。類似単語パタンは、例えば、単語の少なくとも１拍を当該少なくとも１拍の読みと誤認識し易い、当該少なくとも１拍と同数の拍と置換した単語である。例えば、「たぶれっと」の類似単語パタンは、「た」を「か」または「あ」と置換し、「ぶ」を「ぷ」と置換し、「れ」を「り」と置換し、「っ」を削除し、または、「と」を「こ」と置換された単語である。当該置換は、複数の拍で行われてもよい。

読み「たぶれっと」を有する単語の類似単語パタン群の一部を図２７に示す。例えば、読み「たぶれっと」を有する単語の類似単語パタン群は、「かぶれっと」、「かぷれっと」、「かぶりっと」、「かぶれと」、「かぶれっこ」、「たぷれっと」、「たぷりっと」、「たぷれと」、「たぷれっこ」、「たぶりっと」、「たぶりと」などを含む。

ＣＰＵ６０は、次に、文字データテーブル６８Ｃから単語辞書テーブル６８Ａに含まれる単語の類似単語パタンを検出し、当該類似単語パタンの検出頻度を取得する。ここで、単語辞書テーブル６８Ａに含まれる単語、例えば、「たぶれっと」の検出は行わない。

図１０には、３個の文字データレコードのみを示しているが、さらに、多くの文字データレコードに対して、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度を取得する。この場合、例えば、図２８に示すように、単語「タブレット」の類似単語パタンの検出頻度は、６０００個、単語「パソコン」の類似単語パタンの検出頻度は、３００個、単語「携帯電話」の類似単語パタンの検出頻度は、２０個である。なお、これらの検出頻度は、説明のための例示である。

次に、ＣＰＵ６０は、単語辞書テーブル６８Ａに含まれている単語「タブレット」、「パソコン」、及び「携帯電話」の各々の読み情報に基づいて、補正値を算出する。ここでは、読み情報として、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度を用いる。文字データテーブル６８Ｃから、単語辞書６８Ａに含まれる単語の類似単語パタンの検出頻度が低くなるに従って指数関数的に小さくなる誤検出割合を補正するための補正値を算出する。

文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれるということは、当該類似単語パタンが出現する可能性が高いということである。したがって、単語辞書テーブル６８Ａに含まれる単語と、当該単語の類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから、検出する可能性が高くなる。すなわち、文字データテーブル６８Ｃにおける単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度は、「検出される単語が誤検出され易い程度を示す特徴」となる。

ここでは、例えば、以下の（７）式を用いて補正値を算出する。
補正値＝１−０．１ｌｏｇ_１０（類似単語パタンの検出頻度）…（７）

図２９に示されるように、例えば、単語「タブレット」、「パソコン」、及び「携帯電話」の各々の類似単語パタンの検出頻度は、６０００個、３００個、及び２０個である。なお、これらの検出頻度は説明のための例示である。ここでは、補正値は、０．６２、０．７５、及び０．８７である。

なお、誤認識データテーブル６８Ｅを生成するためのデータは、予め２次記憶装置６４に記憶されているものとしたが、開示の技術はこれに限定されない。例えば、誤認識データテーブル６８Ｅを生成するためのデータは、外部インターフェイス７０を介して、外部装置から２次記憶装置６４に送信されてもよい。

（７）式は、以下の（７Ａ）式のように、パーセント（％）を用いて率で表されてもよい。
補正率＝１００％−１０ｌｏｇ_１０（類似単語パタンの検出頻度）…（７Ａ）

また、（７）式において用いられている数値０．１は一例であり、開示の技術は、当該数値及び数式に限定されるものではない。文字データテーブル６８Ｃに含まれる所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる誤検出割合を補正するための補正値を算出するために適切な数値及び数式を選択することが可能である。

（７）式において、対数を使用し、補正値が指数関数的に増減するものとしたが、開示の技術はこれに限定されない。

第６実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。したがって、開示の技術によれば、対応する文字データが存在しない場合でも精度よく単語毎の推定検出頻度を取得することができる。

補正値算出部１４は、文字データテーブル６８Ｃに含まれる所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれると、単語辞書テーブル６８Ａに含まれる単語と、類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから、検出する可能性が高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。

［第７実施形態］
第７実施形態の構成は、第６実施形態と同様であるため、説明を省略する。

第６実施形態の処理と第７実施形態の処理との相違点を以下に説明する。第７実施形態の処理において、第６実施形態と同様の部分については説明を省略する。

第７実施形態の頻度算出処理において、ＣＰＵ６０は、図２６のステップ４０４において、第６実施形態で行った処理に加えて、さらに、文字データテーブル６８Ｃから単語辞書テーブル６８Ａに含まれる単語と読みが一致する単語（以下、一致単語）を検出する。当該検出により、ＣＰＵ６０は、当該一致単語の検出頻度を取得する。一例として、図３０に示すように、単語辞書テーブル６８Ａに含まれる単語「タブレット」の一致単語の検出頻度は、１００００個、単語辞書テーブル６８Ａに含まれる単語「パソコン」の一致単語の検出頻度は、２０００個である。また、単語辞書テーブル６８Ａに含まれる単語「携帯電話」の一致単語の検出頻度は、１０個である。なお、これらの検出頻度は説明のための例示である。

次に、ＣＰＵ６０は、単語辞書テーブル６８Ａに含まれている単語「タブレット」、「パソコン」、及び「携帯電話」の各々の読み情報に基づいて、補正値を算出する。ここでは、読み情報として、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの文字データテーブル６８Ｃにおける検出頻度、及び単語辞書テーブル６８Ａに含まれる単語の一致単語の文字データテーブル６８Ｃにおける検出頻度を用いる。文字データテーブル６８Ｃから、単語辞書テーブル６８Ａに含まれる単語の類似単語パタンの検出頻度が低くなり、単語辞書テーブル６８Ａに含まれる単語の一致単語の検出頻度が高くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。

文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれると、単語辞書テーブル６８Ａに含まれる単語と、当該単語の類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから、検出する可能性が高くなるためである。また、文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の一致単語が多く含まれると、検出された単語辞書テーブル６８Ａに含まれる単語が正しく認識された単語である可能性が高くなる。すなわち、類似単語パタンの検出頻度、及び一致単語の検出頻度は、「検出される単語が誤検出され易い頻度を示す特徴」となる。

ここでは、例えば、以下の（８）式を用いて補正値を算出する。
補正値＝１−０．１ｌｏｇ_１０（類似単語パタンの検出頻度）＋０．０５ｌｏｇ_１０（一致単語の検出頻度）…（８）

単語「タブレット」、「パソコン」、及び「携帯電話」の各々の類似単語パタンの検出頻度は、６０００個、３００個、及び２０個である。また、単語「タブレット」、「パソコン」、及び「携帯電話」の各々の一致単語の検出頻度は、１００００個、２０００個、及び１０個であるから、図３０に示されるように、ここでは、補正値は、０．８２、０．９２、及び０．９２である。

なお、（８）式は、以下の（８Ａ）式のように、パーセント（％）を用いて率で表されてもよい。
補正率＝１００％−１０ｌｏｇ_１０（類似単語パタンの検出頻度）＋５ｌｏｇ_１０（一致単語の検出頻度）…（８Ａ）

また、（８）式において用いられている数値０．１及び０．０５は一例であり、開示の技術は、当該数値及び数式に限定されるものではない。文字データテーブル６８Ｃに含まれる所定の単語の類似単語パタンの検出頻度が低くなり、所定の単語の一致単語の検出頻度が高くなるに従って小さくなる誤検出割合を補正するための補正値を算出するために適切な数値及び数式を選択することが可能である。

（８）式において、対数を使用し、補正値が指数関数的に増減するものとしたが、開示の技術はこれに限定されない。

第７実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。したがって、開示の技術によれば、対応する文字データが存在しない場合でも精度よく単語毎の推定検出頻度を取得することができる。

補正値算出部１４は、文字データテーブル６８Ｃに含まれる単語の類似単語パタンの検出頻度が低くなり、文字データテーブル６８Ｃに含まれる単語の一致単語パタンの検出頻度が高くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語の類似単語パタンが多く含まれると、単語辞書テーブル６８Ａに含まれる単語と、類似単語パタンと、を誤って、音声データＡ、Ｂ及びＣから、検出する可能性が高くなるためである。一方で、文字データテーブル６８Ｃに単語辞書テーブル６８Ａに含まれる単語と読みが一致する単語が多く含まれると、検出された単語辞書テーブル６８Ａに含まれる単語が正しく認識された単語である可能性が高くなるためである。したがって、開示の技術によれば、誤検出割合の推定精度を向上させることができる。
［第８実施形態］
第８実施形態の構成は、図３１に示すように、第１実施形態においてコンピュータ１０に含まれていた構成要素が、クライアントコンピュータ２及びサーバコンピュータ４に分散されている点で、第１実施形態と相違する。以下、第１実施形態と同様の構成要素については説明を省略する。

クライアントコンピュータ２は、単語検出部１２及び通信部２２を有する。単語検出部１２及び通信部２２は接続されている。サーバコンピュータ４は、補正値算出部１４、頻度算出部１６、単語辞書テーブル６８Ａを含む記憶部１８、及び通信部２４を有する。補正値算出部１４は、記憶部１８及び頻度算出部１６と接続されている。記憶部１８及び頻度算出部１６は、各々、さらに、通信部２４と接続されている。クライアントコンピュータ２の通信部２２とサーバコンピュータ４の通信部２４とは、インターネットなどの通信回線を介して接続されている。

クライアントコンピュータ２は、一例として図３２に示すように、ＣＰＵ６０Ｃ、１次記憶部６２Ｃ、２次記憶部６４Ｃ、及び外部インターフェイス７０Ｃを備えている。ＣＰＵ６０Ｃ、１次記憶部６２Ｃ、２次記憶部６４Ｃ、及び外部インターフェイス７０Ｃは、バス７８Ｃを介して接続されている。

外部インターフェイス７０Ｃには、サーバコンピュータ４を含む外部装置が接続され、外部装置とＣＰＵ６０Ｃとの間の各種情報の送受信を司る。外部インターフェイス７０Ｃは、図３１の通信部２２として機能する。

２次記憶部６４Ｃは、一例として、単語検出サブプログラム６６Ａ、及び音声データ群６８Ｂを記憶している。ＣＰＵ６０Ｃは、２次記憶部６４Ｃから単語検出サブプログラム６６Ａを読み出して１次記憶部６２Ｃに展開する。ＣＰＵ６０Ｃは、単語検出サブプログラム６６Ａを実行することで、図３１に示す単語検出部１２として動作する。

サーバコンピュータ４は、一例として図３３に示すように、ＣＰＵ６０Ｓ、１次記憶部６２Ｓ、２次記憶部６４Ｓ、及び外部インターフェイス７０Ｓを備えている。ＣＰＵ６０Ｓ、１次記憶部６２Ｓ、２次記憶部６４Ｓ、及び外部インターフェイス７０Ｓは、バス７８Ｓを介して接続されている。

外部インターフェイス７０Ｓには、クライアントコンピュータ２を含む外部装置が接続され、外部装置とＣＰＵ６０Ｓとの間の各種情報の送受信を司る。１次記憶部６２Ｓ及び２次記憶部６４Ｓは、図３１の記憶部１８として機能する。外部インターフェイス７０Ｓは、図３１の通信部２４として機能する。

２次記憶部６４Ｓは、一例として、補正値算出サブプログラム６６Ｂ、頻度算出サブプログラム６６Ｃ及び単語辞書テーブル６８Ａを生成するためのデータを記憶している。

ＣＰＵ６０Ｓは、２次記憶部６４Ｓから補正値算出サブプログラム６６Ｂ及び頻度算出サブプログラム６６Ｃを読み出して１次記憶部６２Ｓに展開する。ＣＰＵ６０Ｓは、補正値算出サブプログラム６６Ｂを実行することで、図３１に示す補正値算出部１４として動作する。ＣＰＵ６０Ｓは、頻度算出サブプログラム６６Ｃを実行することで、図３１に示す頻度算出部１６として動作する。

図３４に、ＣＰＵ６０Ｃが単語検出サブプログラム６６Ａを実行することにより、クライアントコンピュータ２で行われる処理を示す。以下、第１実施形態と同様の処理については説明を省略する。ステップ５０１で、ＣＰＵ６０Ｃは、単語辞書テーブル６８Ａをサーバコンピュータ４から、外部インターフェイス７０Ｃを介して、受信する。ステップ５０２で、ＣＰＵ６０Ｃは、単語辞書テーブル６８Ａに含まれる単語を音声データＡ、Ｂ及びＣから検出し、単語毎の検出頻度を取得する。ステップ５０３で、ＣＰＵ６０Ｃは、外部インターフェイス７０Ｃを介して、サーバコンピュータ４に取得した検出頻度を送信する。

図３５に、ＣＰＵ６０Ｓが補正値算出サブプログラム６６Ｂ及び頻度算出サブプログラム６６Ｃを実行することにより、サーバコンピュータ４で行われる処理を示す。以下、第１実施形態と同様の処理については説明を省略する。ステップ５０４で、ＣＰＵ６０Ｓは、単語の拍数が多くなるに従って小さくなる誤検出割合を補正するための補正値を算出する。ステップ５０５で、ＣＰＵ６０Ｓは、クライアントコンピュータ２から検出頻度を受信するまで待機する。ステップ５０５で、ＣＰＵ６０Ｓが、クライアント２から、外部インターフェイス７０Ｓを介して、検出頻度を受信すると、ステップ５０６で、ＣＰＵ６０Ｓは、検出頻度に補正値を適用することにより、推定検出頻度を算出する。ステップ５０７で、ＣＰＵ６０Ｓは、算出した推定検出頻度をクライアントコンピュータ２に、外部インターフェイス７０Ｓを介して、送信して処理を終了する。

図３４のステップ５０８で、ＣＰＵ６０Ｃは、サーバコンピュータ４から推定検出頻度を受信するまで待機する。ステップ５０８で、ＣＰＵ６０Ｃは、サーバコンピュータ４から、外部インターフェイス７０Ｃを介して、推定検出頻度を受信すると、処理を終了する。

第８実施形態によれば、単語検出部１２は、音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する。補正値算出部１４は、検出される単語の読み情報に基づいて定まる、検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する。頻度算出部１６は、検出頻度に補正値を適用することにより、検出頻度に含まれる誤検出割合が補正された推定検出頻度を算出する。

補正値算出部１４は、所定の単語の拍数が多くなるに従って、検出頻度に含まれる誤検出割合を低くする補正値を算出する。拍数が多くなるに従って、音声データの特徴パタンと照合される音響モデルも長くなるため、単語が誤検出され難くなり、当該単語が正しく検出される可能性が高くなるためである。したがって、開示の技術によれば、自動的にかつ精度よく単語毎の推定検出頻度を取得することができる。

さらに、単語辞書テーブル６８Ａがサーバコンピュータ４の記憶部１８に記憶されているため、単語辞書テーブル６８Ａへの新しい単語の追加または不要な単語の削除などの単語辞書テーブル６８Ａの管理をサーバコンピュータ４が一括して行うことができる。

また、サーバコンピュータ４が補正値算出部１４を有しているため、補正値の算出方法の変更などをサーバコンピュータ４が一括して行うことができる。

また、クライアントコンピュータ２が単語検出部１２を有しているため、音声データをサーバコンピュータ４に送信しなくてよい。これは、例えば、通話などによって生成される音声データに開示の技術を適用する場合、データ処理及びデータ通信の負荷の低減及び秘密保持の観点から有用である。

第１実施形態の変形例として第８実施形態を示したが、開示の技術はこれに限定されず、例えば、第８実施形態は、第２〜第７実施形態に適用されてもよい。すなわち、第２〜第７実施形態もコンピュータ１０に替えて、クライアントコンピュータ２及びサーバコンピュータ４によって実装されていてもよい。さらに、第１〜第８実施形態は、３台以上のコンピュータに分散して実装されてもよい。

第８実施形態では、クライアントコンピュータ２が、単語検出部１２を有する構成としたが、開示の技術はこれに限定されない。例えば、クライアントコンピュータ２が、単語検出部１２及び補正値算出部１４を有し、サーバコンピュータ４が頻度算出部１６を有する構成としてもよい。

なお、上記プログラムまたはサブプログラムは２次記憶部６４、６４Ｃまたは６４Ｓに予め記憶（インストール）されているが、開示の技術はこれに限定されない。例えば、プログラムまたはサブプログラムの全部または一部は、ＣＤ−ＲＯＭまたはＤＶＤ−ＲＯＭ等の非一時的記憶媒体に記憶されてもよい。非一時的記憶媒体に記憶されたプログラムまたはサブプログラムの全部または一部は、２次記憶部６４、６４Ｃまたは６４Ｓにインストールされた後、２次記憶部６４、６４Ｃまたは６４Ｓから読み出され、１次記憶部６２、６２Ｃまたは６２Ｓに展開されてもよい。また、非一時的記憶媒体から直接読み出され、１次記憶部６２、６２Ｃまたは６２Ｓに展開されてもよい。

上記テーブルの各々の情報は２次記憶部６４、６４Ｃまたは６４Ｓに予め記憶されているが、開示の技術はこれに限定されない。例えば、テーブルの情報の全部または一部は、ＣＤ−ＲＯＭまたはＤＶＤ−ＲＯＭ等の非一時的記憶媒体に記憶されてもよい。非一時的記憶媒体に記憶されたテーブルの情報の全部または一部は、２次記憶部６４、６４Ｃまたは６４Ｓにインストールされてもよいし、１次記憶部６２、６２Ｃまたは６２Ｓにインストールされてもよい。

また、上記プログラムまたはサブプログラムは、外部サーバに記憶されてもよい。外部サーバに記憶されたプログラムまたはサブプログラムの全部または一部は、外部インターフェイス７０、７０Ｃまたは７０Ｓを介して２次記憶部６４、６４Ｃまたは６４Ｓにインストールされた後、２次記憶部６４、６４Ｃまたは６４Ｓから読み出されてもよい。さらに、外部サーバに記憶されたプログラムまたはサブプログラムの全部または一部は、１次記憶部６２、６２Ｃまたは６２Ｓに展開されてもよい。あるいは、外部サーバに記憶されたプログラムまたはサブプログラムの全部または一部は、外部サーバから直接読み出され、１次記憶部６２、６２Ｃまたは６２Ｓに展開されてもよい。

また、上記テーブルの情報の各々は、外部サーバに記憶されてもよい。外部サーバに記憶されたテーブルの情報の全部または一部は、外部インターフェイス７０、７０Ｃまたは７０Ｓを介して２次記憶部６４、６４Ｃまたは６４Ｓにインストールされてもよいし、１次記憶部６２、６２Ｃまたは６２Ｓにインストールされてもよい。

［比較結果１］
図３６の「出現頻度」に示すように、単語「タブレット」が、音声データＡには２個、音声データＢには１個、音声データＣには０個存在する音声データ群を用いた開示の技術と関連技術との比較結果について説明する。

（関連技術イ）
関連技術イでは、音声認識によって取得される照合スコアが閾値８０を越える場合に、音声データから単語「タブレット」を検出する。

音声データＡでは、図３７の音声データＡに示すように、単語「タブレット」が、スコア「９０」、「８０」、及び「９５」の３個検出されたとする（図３６の「関連技術イ」を参照）。スコア「８０」の単語「タブレット」の検出は誤検出であったとする。

音声データＢでは、図３７の音声データＢに示すように、単語「タブレット」が、スコア「８０」及び「８０」の２個検出されたとする（図３６の「関連技術イ」を参照）。２個のうち一方の単語「タブレット」の検出は誤検出であったとする。

音声データＣでは、図３７の音声データＣに示すように、単語「タブレット」は検出されなかったとする（図３６の「関連技術イ」を参照）。誤検出はなかったとする。

（関連技術ロ）
関連技術ロでは、関連技術イの誤検出を抑制するために、閾値「９０」を用いる。

音声データＡでは、図３７の音声データＡに示すように、単語「タブレット」が、スコア「９０」及び「９５」の２個検出されたとする（図３６の「関連技術ロ」を参照）。誤検出はなかったとする。

音声データＢでは、図３７の音声データＢに示すように、単語「タブレット」は検出されなかった（図３６の「関連技術ロ」を参照）。検出がないため誤検出もなかったとされるが、存在する１個の単語「タブレット」の未検出があったとする。

音声データＣでは、図３７の音声データＣに示すように、単語「タブレット」は検出されなかったとする。誤検出も未検出もなかったとする。

（開示の技術）
ここでは、閾値を８０とした場合の単語「タブレット」の検出頻度（関連技術イ）に、単語「タブレット」の読み情報に基づいて算出した補正値０．７５を乗じて、推定検出頻度を算出する（図６を参照）。

音声データＡでは、図３６の「Ａ」に示すように、単語「タブレット」の推定検出頻度は、２．２５個である。音声データＢでは、図３６の「Ｂ」に示すように、単語「タブレット」の推定検出頻度は１．５０個である。音声データＣでは、図３６の「Ｃ」に示すように、単語「タブレット」の推定検出頻度は０．００個である。

（まとめ）
関連技術イでは、誤検出が２個あり、関連技術ロでは誤検出はないが未検出が１個ある。関連技術ロでは、関連技術イと比較して、誤検出及び未検出の総和は少ない。しかし、関連技術ロでは、音声データＢ及び音声データＣにおける単語「タブレット」の検出頻度が共に０であり、音声データＢと音声データＣとの区別が困難である。

また、音声データＡにおける単語「タブレット」の出現頻度と開示の技術における単語「タブレット」の推定検出頻度との差は、０．２５である。また、音声データＢにおける単語「タブレット」の出現頻度と開示の技術における単語「タブレット」の推定検出頻度との差は、０．５０である。この和を、Ａ、Ｂ、Ｃ全体における誤検出に相当する数値とすると、開示の技術では、０．７５であり、３例の中でもっとも小さい。さらに、音声データＢの推定検出頻度は１．５０個であり、音声データＣの推定検出頻度は０．００個であるから、音声データＢと音声データＣとの区別も明瞭である。

［比較結果２］
総計５３６個の通話によって生成された音声データから、振り込め詐欺特有の複数の単語を検出した場合における開示の技術と関連技術との比較結果について説明する。振り込め詐欺特有の複数の単語とは、例えば、「金」、「口座番号」などを含む単語群である。単語群には、振り込め詐欺でよく使用されることが知られている約２００個の単語が含まれていた。

（関連技術イ）
関連技術イでは、音声認識によって取得される照合スコアが所定の閾値を越える場合に、振り込め詐欺特有の単語群に含まれる単語の存在を音声データから検出する。

図３８は、横軸に、１つの音声データに含まれる振り込め詐欺特有の単語群に含まれる単語の検出頻度（複数種類の単語が検出された場合は単語毎の検出頻度の総和）を示し、縦軸に、当該検出頻度の総和を示した通話の音声データの個数を示す。ビンの各々の左寄りにドットで示されるバーは、友人との通話によって生成された音声データの個数を示し、ビンの各々の右寄りに斜線で示されるバーは、振り込め詐欺を模擬した通話によって生成された音声データの個数を示す。

友人との通話によって生成された音声データ及び振り込め詐欺を模擬した通話によって生成された音声データの双方が、振り込め詐欺特有の単語群に含まれる単語の検出頻度が１〜５である広範囲に亘って存在している。したがって、友人との通話によって生成された音声データと振り込め詐欺を模擬した通話とを自動的に切り分けることは比較的困難である。このため、振り込め詐欺特有の単語群に含まれる単語の検出頻度の総和に基づいて、振り込め詐欺を意図した通話であることを自動的に検知することは困難である。

（関連技術ロ）
関連技術ロでは、関連技術イの誤検出を抑制するために調整した閾値を用いる。音声認識によって取得される照合スコアが取得された閾値を越える場合に、振り込め詐欺特有の単語群に含まれる単語の存在を検出する。

図３９は、図３８と同様であるため、説明を省略する。

友人との通話によって生成された音声データ及び振り込め詐欺を模擬した通話によって生成された音声データの双方が、振り込め詐欺特有の単語群に含まれる単語の検出頻度の総和が１〜３である比較的広範囲に亘って存在している。したがって、友人との通話によって生成された音声データと振り込め詐欺を模擬した通話とを自動的に切り分けることは比較的困難である。このため、振り込め詐欺特有の単語群に含まれる単語の検出頻度の総和に基づいて、振り込め詐欺を意図した通話であることを自動的に検知することは困難である。

（開示の技術）
ここでは、音声認識によって取得されるスコアが所定の閾値を越える場合に、振り込め詐欺特有の単語群に含まれる単語の検出頻度を取得する（関連技術イを参照）。振り込め詐欺特有の単語群に含まれる単語の各々の読み情報に基づいて補正値を算出し、検出頻度に補正値を乗じて推定検出頻度を算出した。

図４０は、図３８及び図３９と同様であるため、説明を省略する。

友人との通話によって生成された音声データでは、振り込め詐欺特有の単語群に含まれる単語の検出頻度の総和が０〜１である音声データが多い。一方、振り込め詐欺を模擬した通話によって生成された音声データでは、振り込め詐欺特有の単語群に含まれる単語の検出頻度の総和が４以上の音声データが多い。したがって、友人との通話によって生成された音声データと振り込め詐欺を模擬した通話とを自動的に切り分けることは比較的容易である。このため、振り込め詐欺特有の単語群に含まれる単語の検出頻度の総和に基づいて、振り込め詐欺を意図した通話であることを自動的に検知することは比較的容易である。

（まとめ）
関連技術イにおいて、振り込め詐欺を模擬した通話によって生成された音声データであるか、友人との通話によって生成された音声データであるか、を判定した場合の正解率は９３．５％であった。

関連技術ロにおいて、振り込め詐欺を模擬した通話によって生成された音声データであるか、友人との通話によって生成された音声データであるか、を判定した場合の正解率は９５．５％であった。

開示の技術において、振り込め詐欺を模擬した通話によって生成された音声データであるか、友人との通話によって生成された音声データであるか、を判定した場合の正解率は９６．８％であった。

以上の実施形態に関し、更に以下の付記を開示する。

（付記１）
音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部（図１、図４、図１９、図２３：１２）と、
前記検出される単語の読み情報に基づいて定まり、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を前記検出頻度に適用することにより、前記検出頻度の前記誤検出割合が補正された推定検出頻度を算出する頻度算出部（図１、図４、図１９、図２３：１６）と、
を備える頻度算出装置。

（付記２）
前記頻度算出部（図１：１６）は、前記所定の単語の音節数または拍数が多くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１に記載の頻度算出装置。

（付記３）
前記頻度算出部（図４、図２３：１６）は、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１に記載の頻度算出装置。

（付記４）
前記頻度算出部（図４、図２３：１６）は、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなり、前記文字データに含まれる前記所定の単語と読みが一致する単語の検出頻度が高くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１に記載の頻度算出装置。

（付記５）
前記所定の単語と読みが類似する単語は、前記所定の単語と読みが１音節または１拍異なる単語である、
付記３または付記４に記載の頻度算出装置。

（付記６）
前記所定の単語と読みが類似する単語は、前記所定の単語の少なくとも１音節または少なくとも１拍を前記少なくとも１音節または少なくとも１拍と誤認識し易い前記少なくとも１音節または少なくとも１拍と同数の音節または拍と置換した単語である、
付記３または付記４に記載の頻度算出装置。

（付記７）
前記頻度算出部（図１９：１６）は、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１に記載の頻度算出装置。

（付記８）
前記頻度算出部（図１９：１６）は、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなり、前記所定の単語の音節数または拍数が多くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１に記載の頻度算出装置。

（付記９）
前記代表値は、前記適合値の各々の最小値または平均値である、
付記７または付記８に記載の頻度算出装置。

（付記１０）
前記補正値を算出する補正値算出部（図１、図４、図１９、図２３：１４）をさらに含む、付記１〜９のいずれかに記載の頻度算出装置。

（付記１１）
所定の単語の読み情報に基づいて定まり、かつ、音声認識によって音声データに含まれる前記所定の単語を検出し、検出した単語毎の検出頻度を取得する際に、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部（図３１：１４）と、
前記検出頻度に前記補正値を適用することにより、前記検出頻度の前記誤検出割合が補正された推定検出頻度を算出する頻度算出部（図１９：１６）、
と、を備える頻度算出装置。

（付記１２）
コンピュータに、
音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得し、
前記検出される単語の読み情報に基づいて定まり、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を前記検出頻度に適用することにより、前記検出頻度の前記誤検出割合が補正された前記推定検出頻度を算出する、
ことを含む処理を実行させる頻度算出方法。

（付記１３）
前記推定検出頻度を算出する際に、前記所定の単語の音節数または拍数が多くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１２に記載の頻度算出方法。

（付記１４）
前記推定検出頻度を算出する際に、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１２に記載の頻度算出方法。

（付記１５）
前記推定検出頻度を算出する際に、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなり、前記文字データに含まれる前記所定の単語と読みが一致する単語の検出頻度が高くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１２に記載の頻度算出方法。

（付記１６）
前記所定の単語と読みが類似する単語は、前記所定の単語と読みが１音節または１拍異なる単語である、
付記１４または付記１５に記載の頻度算出方法。

（付記１７）
前記所定の単語と読みが類似する単語は、前記所定の単語の少なくとも１音節または少なくとも１拍を前記少なくとも１音節または少なくとも１拍と誤認識し易い前記少なくとも１音節または少なくとも１拍と同数の音節または拍と置換した単語である、
付記１４または付記１５に記載の頻度算出方法。

（付記１８）
前記推定検出頻度を算出する際に、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１２に記載の頻度算出方法。

（付記１９）
前記推定検出頻度を算出する際に、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなり、前記所定の単語の音節数または拍数が多くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記１２に記載の頻度算出方法。

（付記２０）
前記代表値は、前記適合値の各々の最小値または平均値である、
付記１８または付記１９に記載の頻度算出方法。

（付記２１）
前記処理は、前記補正値を算出する、ことをさらに含む、付記１２〜２０のいずれかに記載の頻度算出方法。

（付記２２）
コンピュータに、
所定の単語の読み情報に基づいて定まり、かつ、音声認識によって音声データに含まれる前記所定の単語を検出し、検出した単語毎の検出頻度を取得する際に、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出し、
前記検出頻度に前記補正値を適用することにより、前記検出頻度の前記誤検出割合が補正された推定検出頻度を算出する、
ことを含む処理を実行させる頻度算出方法。

（付記２３）
音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得し、
前記検出される単語の読み情報に基づいて定まり、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を前記検出頻度に適用することにより、前記検出頻度の前記誤検出割合が補正された前記推定検出頻度を算出する、
ことを含む頻度算出処理をコンピュータに実行させるためのプログラム。

（付記２４）
前記推定検出頻度を算出する際に、前記所定の単語の音節数または拍数が多くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記２３に記載のプログラム。

（付記２５）
前記推定検出頻度を算出する際に、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記２３に記載のプログラム。

（付記２６）
前記推定検出頻度を算出する際に、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなり、前記文字データに含まれる前記所定の単語と読みが一致する単語の検出頻度が高くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記２３に記載のプログラム。

（付記２７）
前記所定の単語と読みが類似する単語は、前記所定の単語と読みが１音節または１拍異なる単語である、
付記２５または付記２６に記載のプログラム。

（付記２８）
前記所定の単語と読みが類似する単語は、前記所定の単語の少なくとも１音節または少なくとも１拍を前記少なくとも１音節または少なくとも１拍と誤認識し易い前記少なくとも１音節または少なくとも１拍と同数の音節または拍と置換した単語である、
付記２５または付記２６に記載のプログラム。

（付記２９）
前記推定検出頻度を算出する際に、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記２３に記載のプログラム。

（付記３０）
前記推定検出頻度を算出する際に、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなり、前記所定の単語の音節数または拍数が多くなるに従って小さくなる前記誤検出割合を補正するための前記補正値を適用する、
付記２３に記載のプログラム。

（付記３１）
前記代表値は、前記適合値の各々の最小値または平均値である、
付記２９または付記３０に記載のプログラム。

（付記３２）
前記頻度算出処理は、前記補正値を算出する、ことをさらに含む、請求項２３〜３１のいずれかに記載のプログラム。

（付記３３）
所定の単語の読み情報に基づいて定まり、かつ、音声認識によって音声データに含まれる前記所定の単語を検出し、検出した単語毎の検出頻度を取得する際に、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を前記検出頻度に適用することにより、前記検出頻度の前記誤検出割合が補正された推定検出頻度を算出する、
ことを含む頻度算出処理をコンピュータに実行させるためのプログラム。

１０ コンピュータ
１２ 単語検出部
１４ 補正値算出部
１６ 頻度算出部
１８ 記憶部
６０ ＣＰＵ
６２ １次記憶部
６４ ２次記憶部

Claims (11)

1. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部と、
   前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部と、
   前記検出頻度に前記補正値算出部で算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する頻度算出部と、
   を備える頻度算出装置。
2. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部と、
   前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部と、
   前記検出頻度に、前記所定の単語の音節数または拍数が多くなるに従って前記誤検出割合が小さくなるように前記誤検出割合を補正するための、前記補正値算出部で算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する頻度算出部と、
   を備える頻度算出装置。
3. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部と、
   前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部と、
   前記検出頻度に、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなるに従って小さくなるように前記誤検出割合を補正するための、前記補正値算出部で算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する頻度算出部と、
   を備える頻度算出装置。
4. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部と、
   前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部と、
   前記検出頻度に、文字データに含まれる前記所定の単語と読みが類似する単語の検出頻度が低くなり、前記文字データに含まれる前記所定の単語と読みが一致する単語の検出頻度が高くなるに従って小さくなるように前記誤検出割合を補正するための、前記補正値算出部で算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する頻度算出部と、
   を備える頻度算出装置。
5. 前記所定の単語と読みが類似する単語は、前記所定の単語と読みが１音節または１拍異なる単語である、
   請求項３または請求項４に記載の頻度算出装置。
6. 前記所定の単語と読みが類似する単語は、前記所定の単語の少なくとも１音節または少なくとも１拍を前記少なくとも１音節または少なくとも１拍と誤認識し易い前記少なくとも１音節または少なくとも１拍と同数の音節または拍と置換した単語である、
   請求項３または請求項４に記載の頻度算出装置。
7. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部と、
   前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部と、
   前記検出頻度に、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなるに従って小さくなるように前記誤検出割合を補正するための、前記補正値算出部で算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する頻度算出部と、
   を備える頻度算出装置。
8. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得する単語検出部と、
   前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出する補正値算出部と、
   前記検出頻度に、前記所定の単語に含まれる読みの音節の各々または拍の各々が音声認識により適切に検出される適合値の各々を代表する代表値が大きくなり、前記所定の単語の音節数または拍数が多くなるに従って小さくなるように前記誤検出割合を補正するための、前記補正値算出部で算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する頻度算出部と、
   を備える頻度算出装置。
9. 前記代表値は、前記適合値の各々の最小値または平均値である、
   請求項７または請求項８に記載の頻度算出装置。
10. コンピュータが、
    音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得し、
    前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出し、
    前記検出頻度に算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する、
    頻度算出方法。
11. 音声認識によって音声データに含まれる所定の単語を検出し、検出した単語毎の検出頻度を取得し、
    前記検出される単語の読み情報に基づいて定まる特徴であって、かつ、前記検出される単語が誤検出され易い程度を示す特徴に基づいて、誤検出されて前記検出頻度に含まれたと推定される誤検出割合を補正するための補正値を算出し、
    前記検出頻度に算出した前記補正値を適用することにより、前記検出頻度に含まれる前記誤検出割合が補正された推定検出頻度を算出する、
    ことを含む頻度算出処理をコンピュータに実行させるためのプログラム。