JPH07287594A - 音声認識・言語処理装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明の目的は、音声認識、言語処理装置に
おいて、言語情報に基づいて入力記号列を処理する、い
わゆるパージング処理の手順を表現したメモリテーブル
（ＬＲテーブル）の効率的な構成と、パージング処理手
順の効率的な方式を提供し、メモリ容量の削減を実現
し、さらに実時間処理を可能し、現状の計算機能力の条
件下でも、実時間処理が可能な音声認識、言語処理装置
を実現することにある。 【構成】 少なくとも音声を入力する手段と、入力され
た音声を分析する手段と、分析して得られた音声の特徴
量を基に、既に蓄えられている標準的な音声と照合し、
入力音声を認識する手段と、記号列に関する言語情報に
基づいて言語として存在する記号系列へ探索、変換する
手段を有する音声・言語認識装置において、効率的に圧
縮されたＬＲテーブルメモリと、ＬＲパージング処理の
際の候補系列の数を適応的に制御するコントロール部を
備える。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声認識、言語処理装
置において、言語情報に基づいて入力記号列を処理する
（以下、パージング処理）手順を表現したメモリテーブ
ルの効率的な構成と、パージング処理の手順の効率的な
方式に関する。

【０００２】

【従来の技術】音声認識と言語処理とを組み合わせる手
法に関しては、数多く提案されている。例えば、隠れマ
ルコフモデル（ＨＭＭ：Hidden Markov Models）を用
いた音声認識と、ＬＲパーザとを組み合わせたＨＭＭー
ＬＲパーザは、文脈に依存しない文法（ＣＦＧ：Contex
t Free Grammar）を利用できることや、処理が入力記
号列の順序に従っているので実時間処理が可能となる等
の理由から、将来性の高い技術となっている。

【０００３】

【発明が解決しようとする課題】しかしながら、未だ言
語情報に基づいて処理を記述したテーブルのメモリ容量
が膨大になることや、パージング時間が膨大になること
が問題となっている。

【０００４】

【課題を解決するための手段】本発明では、上記の問題
に対処して、記憶メモリ容量を大幅に削減することを第
一の目的とし、処理量を削減し、実時間処理を可能とす
る手段を提供することを第二の目的としている。第一の
目的を実現するために、記憶メモリ容量が膨大であった
ＬＲパージングテーブルの不要なメモリを削除する効率
的な構成方式を提案し、第二の目的を実現するために、
音韻・音節候補列探索するパージング処理の際の探索幅
を適応的に制御する方式を提案している。

【０００５】

【作用】本発明によるＬＲパージングテーブルと、適応
的な制御パージング処理を使用すれば、現状の計算機能
力の条件下でも、現語彙数を増加させて、本来必要な規
模の言語処理の文法とパージング処理を可能とするよう
に作用する。

【０００６】

【実施例】以下、実施例を詳細に説明する。図１は、本
発明による音声認識、言語処理装置の全体の構成を示し
た図である。音声認識部１０３は、隠れマルコフモデル
（ＨＭＭ）基づいた認識方式となっており、マイクロフ
ォン１０２から入力された音声１０１を、例えば音節記
号列に変換する。この際、標準音声として既に分析・抽
出され、ＨＭＭパラメータファイル１０４に蓄えられて
いるＨＭＭパラメータを使って、入力音声の認識が実行
される。音声認識部１０３からの認識結果は、認識スコ
ア１０５として出力され、インタフェース１０６を介し
て、ＨＭＭーＬＲパーザ部１０９に入力される。この
際、認識スコア１０５と、計算の中間結果は音響認識ス
コアテーブル１０７に格納される。音響認識スコアを基
に、予想される音韻系列が確度の高い順序に従い、予想
候補１０８としてＨＭＭーＬＲパーザ部１０９に入力さ
れる。ＨＭＭーＬＲパーザ部１０９では、パージングの
処理手順を記述したＬＲテーブル１１０と、言語情報を
記述した文法ファイル１１１とを用いて、言語的に存在
する記号列を探索、変換し、上位Ｎ候補１１２が出力さ
れ、認識結果が得られることになる。この認識結果を基
にして、応用プログラム１１３にて各種の応用に従った
応答・出力が、例えば端末１１４などに表示されること
になる。

【０００７】図２は、図１のＨＭＭーＬＲパーザ１０９
の詳細な処理に関する図であり、一般的なＨＭＭーＬＲ
パーザの一モデルを説明した図である。ＬＲパーザは、
入力音節記号列２０２から、ＬＲパージングプログラム
２０１に基づいて、言語として望ましい音節記号列を探
索する機能を持つ。この際、状態を記述したスタック２
０４と、ＬＲパージングテーブル２０３とを用いて、枝
分れを考慮し、かつ探索効率を上げたスタックのプッシ
ュ・ダウン処理により、尤もらしい音節記号列２０５を
探索し、それを出力する。ＬＲパージングテーブル２０
３は、アクションテーブルとゴーツテーブルの２つから
構成されている。アクションテーブルとゴーツテーブル
はどちらも、日本語の音節列に関する確からしさに基づ
いて記述されている。凡例に示すように、入力音節記号
列２０２は、入力シンボル ａiにて表現されており、出
力は名詞や動詞など、文章の構成要素を加味した結果の
音節系列が求められる。

【０００８】図３は、ＬＲパージングテーブル２０３の
一実施例と実行例とを示している。処理は、スタック内
の状態（ステート）のシフト（移動）と、リドュース
（削除）、ゴーツ（飛び越し）、及びアクセプト（受
理）等の手順にて、音節記号列の連鎖の枝分れ関係を各
状態（ステート）に当てはめて、あらゆる音節記号連鎖
の可能性を、スタックのプッシュ・ダウンを効率的に制
御して、入力記号列から言語として尤もらしい音節記号
系列を抽出する。この結果、単なる記号列であった入力
を、言語の形態素（例えば、名詞、動詞等）、及び文構
造（主語、述語等）へと表現した情報へ変換することが
可能となる。

【０００９】図４は、ＬＲパージングテーブル２０３の
表現の一実施例を示す図である。図４（ｂ）のアクショ
ンテーブルの例でわかるように、通常アクションテーブ
ルは情報が埋まっていない多数の空白部を有している。
本発明は、この冗長なメモリ構成を解決して、効率的な
ＬＲテーブルの構成を提案することを主眼としている。

【００１０】図５は、本発明のひとつである、ＬＲテー
ブルの新しい構成方法を示している。本手法は、次に示
す２つの特徴を持つ。ひとつは、シフト（移動）処理
を、記号列の順番と、シフト先のスタック状態番号とを
ひとつのセットとして表現する方式である。２番目の特
徴は、ＬＲテーブルにシフト（移動）などの処理と混在
していたリドュース（削減）処理を、別のテーブルへ括
りだしたことである。これは、図３と図４でも明らかな
ように、ＬＲテーブルでは、リドュース（削減）処理は
必ず同じ内容が、同じ状態番号に存在しており、それを
状態番号に依存してひとつに括りだすことが可能となっ
ている。本発明を、実際に実現して、メモリ削減の規模
を算出した結果、従来のＬＲテーブルメモリ規模を９９
％削減することができた。

【００１１】図６は、第２の発明に関する図であり、Ｌ
Ｒパージングの一実施例を示している。入力記号列は
「ｋｏｒｅｏｋｕｒｅ」であり、順次ＬＲテーブルを用
いて、音節記号列の連鎖を探索（パージング）した結
果、最終的には２つの候補が求まっていることを示して
いる。２つの候補は、(1)「これ おくれ。」、(2)「こ
れを くれ。」である。これらは、どちらも日本語とし
て可能な表現である。第６図でもわかるように、正解を
落とさないように、通常パージングは複数の枝分れした
候補の可能性を広く探索する必要がある。どのくらいの
探索幅（以下、探索ビーム幅）にするかは、処理時間と
性能とのトレードオフとなっている。

【００１２】図７は、本発明の適応的な探索ビーム幅の
制御を具体的に示す図である。通常は、図７（ａ）に示
すように、一様な探索ビーム幅になっている。ここで探
索ビーム幅とは、各ステップにおいて許容する枝分れの
数を示している。一様な探索ビーム幅は現実のパージン
グ状況に即していない。何故ならば、記号列の信頼性が
低い探索開始近傍は、むしろ正解を極力落とさないよう
に、探索ビーム幅を広めにして、かつ認識結果がほぼ狭
まれてきた終了近傍では探索ビーム幅を狭くして、処理
効率を上げることが必要である。図７（ｂ）は以上の点
を考慮した、適応的な探索ビーム幅の制御を示す図であ
る。具体的には、４つのパラメータ（min、 max、 hold、
release）でパージングの探索ビーム幅が制御される。
これらの４つのパラメータは、評価実験を通して経験的
に決定される。

【００１３】

【発明の効果】本発明のＬＲパージングテーブルと、パ
ージング処理における探索窓の適応的な制御の結果、現
状の計算機能力の条件下でも、実時間処理が可能な音声
認識、言語処理装置を実現できる効果がある。

【図面の簡単な説明】

【図１】ＨＭＭーＬＲパーザを用いた音声認識、言語処
理装置を示す図。

【図２】ＨＭＭーＬＲパーザで用いるＬＲパージングモ
デルを示す図。

【図３】ＬＲテーブルの一実施例と実行例を示す図。

【図４】ＬＲテーブル表現の一実施例を示す図。

【図５】本発明のひとつであるＬＲテーブルの圧縮と一
実施例を示す図。

【図６】ＬＲパージングの一実行例を示す図。

【図７】本発明のひとつであるＬＲパージングでの適応
的な探索ビーム幅の制御の一実施例を示す図。

【符号の説明】

１０１…入力音声、１０２…マイクロフォン、１０３…
音声認識部、１０４…ＨＭＭパラメータファイル（標準
パターン）、１０５…認識スコア、１０６…音声認識部
と言語処理部とのインタフェース、１０７…音響認識ス
コアテーブル、１０８…予想候補、１０９…ＨＭＭーＬ
Ｒパーザ部、１１０…ＬＲ（パージング）テーブル、１
１１…文法ファイル、１１２…上位Ｎ候補、１１３…応
用プログラム、１１４…端末（結果の表示部）、２０１
…ＬＲパージングプログラム、２０２…入力音節記号
列、２０３…ＬＲ（パージング）テーブル、２０４…ス
タック、２０５…出力音節記号列。

Claims (3)

【特許請求の範囲】
1. 【請求項１】少なくとも音韻、音節、あるいはそれに匹
   敵する言語表記に基づいた記号列を入力する機能と、該
   入力された記号列から、記号列に関する言語情報に基づ
   いて言語として存在する記号系列へ探索、変換する機能
   を有する音声・言語認識装置において、該記号列に関す
   る言語情報と探索、変換処理を記述、表現したメモリテ
   ーブルの構成を、処理順番と処理内容とをひとつのセッ
   トとし、さらに重複した処理内容をひとつにまとめたメ
   モリテーブルを有することを特徴とした音声認識・言語
   処理装置。
2. 【請求項２】前記第１項記載の音声認識・言語処理装置
   において、言語表記に基づいた記号列を入力として、記
   号列に関する言語情報に基づいて言語として存在する記
   号系列へ探索、変換する機能において、探索する候補の
   数を処理のステップに対応して、適応的に制御すること
   方式を有することを特徴とする音声認識・言語処理装
   置。
3. 【請求項３】少なくとも音声を入力する手段と、入力さ
   れた音声を分析する手段、分析して得られた音声の特徴
   量を基に、既に蓄えられている標準的な音声と照合し、
   入力音声を認識する手段を持つ音声認識装置において、
   認識された結果得られる音韻、あるいは音節記号列を、
   前記第１項記載の言語表記に基づいた記号列とすること
   を特徴とした音声認識・言語処理装置。