JPH0756675B2 - 音声認識方法および装置 - Google Patents

音声認識方法および装置

Info

Publication number
JPH0756675B2
JPH0756675B2 JP2244139A JP24413990A JPH0756675B2 JP H0756675 B2 JPH0756675 B2 JP H0756675B2 JP 2244139 A JP2244139 A JP 2244139A JP 24413990 A JP24413990 A JP 24413990A JP H0756675 B2 JPH0756675 B2 JP H0756675B2
Authority
JP
Japan
Prior art keywords
predictor
opt
feature
word
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
JP2244139A
Other languages
English (en)
Other versions
JPH03147079A (ja
Inventor
アーサー・ジエー・ナダス
デービツド・ナハモー
Original Assignee
インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン filed Critical インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン
Publication of JPH03147079A publication Critical patent/JPH03147079A/ja
Publication of JPH0756675B2 publication Critical patent/JPH0756675B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
    • G10L15/197—Probabilistic grammars, e.g. word n-grams

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Machine Translation (AREA)

Description

【発明の詳細な説明】 A.産業上の利用分野 この発明は、パターン認識システムにおいて用いる決定
ツリー（decision tree）を構成するための、観察事象
の２進分類に関するものである。観察事象とは、例え
ば、口頭ワードまたは筆記キャラクタであればよい。こ
の発明に従って分類できるその他の観察事象には、それ
に限られるものではないが、医療上の症状および対象の
レーダ・パターンが含まれる。
B.従来の技術 より詳細にいえば、この発明は、２進決定ツリーを生成
させる観察事象の集合（即ち観察事象の学習集合）に最
適もしくは最適近傍の２進分類を発見することに関する
ものである。２進決定ツリーにおいては、ツリーの各ノ
ードは１個の入力パスと２個の出力パス（例えば、出力
パスＡと出力パスＢ）とを有している。ツリーの各ノー
ドにおいては、"Xは集合SXの要素であるか?"なる形式の
質問が出される。この応答が“Yes"であるときには、該
ノードからは出力パスＡが追従される。これに対して、
その応答が“No"であるときには、該ノードからは出力
パスＢが追従される。
一般的にいえば、分類されるべき各観察事象は予測子特
徴Ｘおよびカテゴリ特徴Ｙを備えている。予測子特徴は
Ｍ個の異なる可能性のある値Xmの中の１個を有してお
り、また、カテゴリ特徴はＮ個の異なる可能性のある値
Yn中の１個を有している。ここに、ｍおよびｎは、それ
ぞれに、ＭおよびＮよりも小さいかこれに等しい正の整
数である。
２進決定ツリーを構成するときに有利なことは、カテゴ
リ特徴Ｙに関する情報が最大化され、該カテゴリ特徴Ｙ
における不確実性が最小化されるような、SXの部分集合
SXoptを発見することである。“分類されるべき観察事
象に対して、予測子特徴Ｘの値は部分集合SXoptの要素
であるか?"なる質問に対する答は、複数個の観察事象に
わたる平均として、カテゴリ特徴Ｙの値に関する不確実
性を最大限に減少させる。
カテゴリ特徴Ｙにおける不確実性を最小にするために最
良の部分集合SXoptを発見する一つの既知の方法は、SX
の全ての部分集合を列挙し、そして、各部分集合に対す
るカテゴリ特徴Ｙの値における情報または不確実性を計
算することによるものである。Ｍ個の要素を有する集合
SXに対しては、2(M-1)−１個の異なる可能性のある部分
集合が存在する。このために、SXの最良の部分集合を発
見するためには、2(M-1)−１個の情報または不確実性の
計算が必要とされることになる。従って、自動的な音声
認識において経験されるようなＭの大きな値のために、
この方法は実際的に不可能なことである。
レオ・ブレイマン外（Leo Breiman et al）の（分類お
よび回帰ツリー“Classifcation And Regression Tree
s"、ワズワース社“Wadsworth Inc."カリフォルニア
州、モントレイ“Monterey"、1984、101−102ペイジ）
によれば、カテゴリ特徴Ｙが２個だけの可能性のある異
なる値Y1およびY2を有している特別なケース（即ち、Ｎ
＝２なる特別なケース）に対する最良の部分集合SXopt
を発見するための方法が記述されている。この方法にお
いては、2(M-1)−１個の情報の計算を必要とする完全な
列挙を、（Ｍ−１）個だけの部分集合に対する情報の計
算で置換することができる。
ブレイマン外による方法は次の事実を基礎とするもので
ある。即ち、予測子特徴Ｘの各値Xmに対して、カテゴリ
特徴Ｙの１個の値Y1についての条件付き確率の増大して
い値に従い、集合SXの最良の部分集合SXoptは、予測子
特徴値Xmの順序付けによって規定されるような、部分集
合の増大していくシーケンスの中にあるという事実を基
礎とするものである。
即ちブレイマン外による方法においては、Ｐ（Y1|Xm）
の値に従って、予測子特徴値Xmが第１の順序にされる。
これに次いで集合SXの多くのサブセットSXiが規定され
るが、ここで各部分集合SXiに含まれているのは、条件
付き確率Ｐ（Y1|Xm）についてｉ個の最低値を有する値X
mのものだけである。XmについてＭ個の異なる値が存在
するときには、（Ｍ−１）個の部分集合SXiが存在する
ことになる。
ブレイマン外によって説明されているように、部分集合
SXiの中に１個が情報を最大化させるものであり、従っ
て、クラスＹの値における不確実性を最小化させるもの
である。
ブレイマン外によって提供されている短縮化された方法
は、事象が２個のクラスまたはカテゴリY1およびY2に入
るだけの簡単なケースのために、測定または予測子変数
Ｘに従って、事象の最良の２進分類を発見するためのも
のであるが、事象が２個よりも多くのクラスまたはカテ
ゴリに入るときに、予測子変数Ｘの最良の部分集合をど
のようにして発見するかについて、ブレイマン外は説明
をしていない。
C.発明が解決しようとする課題 この発明の目的は、観察事象の集合について、３個以上
の異なる可能性のある値Xmを有する予測子特徴に従っ
て、観察事象のカテゴリ特徴Ｙ（ここで、カテゴリ特徴
は３個以上の可能性のある値Ynを有している）の値にお
ける不確実性を最小にするように、最適または最適近傍
の２進分類を発見するための方法および装置を提供する
ことにある。
この発明の別の目的は、予測個特徴Ｘの値の可能性のあ
る異なる部分集合を全て列挙することなく、また、各部
分集合に対するカテゴリ特徴Ｙの値における不確実性を
計算することなく、予測子特徴Ｘの最適または最適近傍
の分類を発見することができる、このような分類方法を
提供することにある。
D.課題を解決するための手段 この発明は、観察事象の集合を分類するための方法およ
び装置である。各事象は予測子特徴Ｘおよびカテゴリ特
徴Ｙを有している、予測子特徴はＭ個の異なる可能性の
ある値Xmの中の１個を有しており、また、カテゴリ特徴
はＮ個の可能性のある値Ynの中の１個を有している。こ
の方法において、ＭおよびＮは３よりも大きいかこれに
等しい整数、ｍは１からＭまでの整数でありまた、ｎは
１からＮまでの整数である。
この発明によれば、観察事象のセットにおける各事象の
予測子特徴値Xmおよびカテゴリ特徴値Ynの測定がなされ
る。測定された予測子特徴値および測定されたカテゴリ
特徴値から、カテゴリ特徴値Ynおよび予測子特徴値Xmを
有する事象の生起する確率Ｐ（Xm,Yn）が、各Ynおよび
各Xmに対して評価される。
これに次いで、予測子特徴値Xmの出発集合SXopt（ｔ）
が選択される。変数ｔは任意の初期値を有している。
この評価された確率から、カテゴリ特徴値がYnであると
きの、集合SXopt（ｔ）における予測子特徴値の条件付
きの確率Ｐ（SXopt（ｔ）|Yn）が各Ynに対して計算され
る。
この条件付きの確率Ｐ（SXopt（ｔ）|Yn）から、カテゴ
リ特徴値Ynの複数の対の集合SYj（ｔ）および▲▼
ｊ（ｔ）が規定される。ここに、ｊから１から（Ｎ−
１）までの整数である。各集合SYj（ｔ）に含まれてい
るものは、条件付きの確率Ｐ（SXopt（ｔ）|Yn）につい
てｊ個の最低値を有するそれらのカテゴリ特徴値Ynだけ
である。各集合▲▼ｊ（ｔ）に含まれるものは、条
件付きの確率Ｐ（SXopt（ｔ）|Yn）について（Ｎ−ｊ）
個の最高値を有するそれらのカテゴリ特徴値Ynだけであ
る。かくして、▲▼ｊ（ｔ）はSYj（ｔ）を補完す
るものである。
上記のように規定された（Ｎ−１）対の集合から、予測
子特徴値における最低の不確実性を有するものとして、
単一対の集合SYopt（ｔ）および▲▼opt（ｔ）が発
見される。
ここで、評価された事象の確率Ｐ（Xm,Yn）から、予測
子特徴値がXmであるときに集合SYopt（ｔ）にカテゴリ
特徴値を有する条件付きの確率Ｐ（SYopt（ｔ）|Xm）が
各値Xmに対して計算される。予測子特徴値Xmの複数の対
の集合SXi（ｔ＋１）および▲▼ｉ（ｔ＋１）の規
定がなされるが、ここではｉは１からＭまでの整数であ
る。各集合SXi（ｔ＋１）に含まれているものは、条件
付きの確率Ｐ（SYopt（ｔ）|Xm）についてｉ個の最低値
を有するそれらの予測子特徴値Xmだけである。各集合▲
▼ｉ（ｔ＋１）に含まれているものは、該条件付き
の確率について（Ｍ−ｉ）個の最高値を有するそれらの
予測子特徴値Xmだけである。このような集合が（Ｍ−
１）対だけ存在する。
上記のように規定された（Ｍ−１）対の集合から、カテ
ゴリ特徴値における最低の不確実性を有するものとし
て、単一対の集合SXopt（ｔ＋１）および▲▼
opt（ｔ＋１）が発見される。
その後で、事象の予測子特徴値が集合▲▼opt（ｔ
＋１）のメンバであるときには、該事象は第１のクラス
に分類される。また、事象の予測子特徴値が集合SXopt
（ｔ＋１）のメンバであるときには、該事象は第２のク
ラスに分類される。
この発明の一つの局面においては、事象が第１のクラス
または第２のクラスのメンバであることを識別する分類
信号を生成させることにより、当該事象は第１のクラス
または第２のクラスに分類される。
この発明の他の局面においては、集合SXopt（ｔ＋１）
が先行の集合SXopt（ｔ）に等しくなるまで、または実
質的に等しくなるまで、この方法が繰り返して反復され
る。
より好適には、集合の各対に対する不確実性の計算をす
ることによって、最低の不確実性を有する集合の対が発
見される。
これに代えて、増大する条件付きの確率の順序において
集合の各対に対する不確実性の計算をすることにより、
最低の不確実性を有する集合の対が発見される。計算さ
れる不確実性の減少が停止したときに、最低の不確実性
を有する集合の対が発見される。
この発明の更に別の局面においては、事象の集合内には
存在しない事象の予測子特徴値が測定される。該予測子
特徴値が集合SXopt（ｔ＋１）のメンバであるときに
は、該当の事象は第１のクラスに分類される。そして、
該予測子特徴値が集合▲▼opt（ｔ＋１）のメンバ
であるときには、該当の事象は第２のクラスに分類され
る。
この発明による方法および装置においては、事象は、例
えば、一連の口頭による発声の中にある１個の口頭によ
る発声であればよい。この発明による発声の分類は、例
えば、類似の発声のモデルを生成させる目的をもって行
うことができる。これに代えて、この発明による発声の
分類は、例えば、口頭による発声を認識する目的をもっ
て行うことができる。
その他の例においては、各事象は、一連の口頭によるワ
ードの中にある１個の口頭によるワードである。ワード
の予測子特徴値には、該一連の口頭によるワードにおい
て直前を先行するワードの識別が含まれている。
また、この発明は、口頭による発声を自動的に認議する
ための方法および装置にも関するものである。発声され
る予測子ワードを表す予測子ワード信号は、決定集合に
おける予測子特徴信号と比較される。該予測子ワード信
号が該決定集合のメンバであるときには第１の予測され
たワードが出力され、そうでないときには第２の予測さ
れたワードが出力される。
この発明による方法および装置は次の理由によって理由
である。即ち、この発明の方法および装置によれば、観
察事象の集合に対して、該事象のカテゴリ特徴値におけ
る不確実性を最小または最小近傍にするような、当該事
象の予測子特徴値の部分集合を識別することができる。
ここで、カテゴリ特徴は、３個またはこれより多くの可
能性のある値を有している。この発明によれば、予測子
特徴値の全ての可能性のある部分集合について完全な列
挙を必要とすることなく、効率的な態様をもって、この
予測子特徴値の部分集合が発見される。
E.実施例 第１図は、この発明によって観察事象の集合を分類する
方法についてのフローチャートである。観察事象の集合
における各事象は、予測子特徴Ｘおよびカテゴリ特徴Ｙ
を有している。予測子特徴値はＭ個の異なる可能性のあ
る値Xmの中の１個を有している。カテゴリ特徴はＮ個の
可能性のある値Ynの中の１個を有している。ＭおよびＮ
は３よりも大きいかこれに等しい正の整数であるが、互
いに等しいことは必要ではない。変数ｍはＭよりも小さ
いかこれに等しい正の整数である。変数ｎはＮよりも小
さいかこれに等しい正の整数である。
観察事象の集合における各事象は、例えば、発声される
ワードのシーケンスであることができる。例えば、各事
象を構成できるものは、先行ワードと、この先行ワード
に追従する認識ワードである。予測子特徴が先行ワード
であるときには、カテゴリ特徴が認識ワードである。そ
して、認識ワードの値における不確実性を最小にする先
行ワードの最良の部分集合を発見することによって事象
を分類することが所望されるとすると、先行ワードが知
られているときに、認識ワードの１個またはそれより多
くの候補値を識別するために、この発明による分類方法
を用いることができる。
この発明の方法によって分類できる予測子特徴／カテゴ
リ特徴を有する他のタイプの観察事象に含まれるもの
は、例えば、医療上の症状／病気、レーダ・パターン／
対象、および、可視的なパターン／キャラクタである。
その他の観察事象もこの発明の方法によって分類するこ
とができる。
この発明の動作を説明する目的のために、観察事象は先
行ワード／認識ワード・事象として説明していく。実際
には、ある１個の言語（ランゲージ）モデルに対して数
千ものワードがあることから、ある１個の事象の予測子
特徴は、数千もの異なる利用可能性のある予測子特徴値
の中の１個である。これと同様にして、ある１個の事象
のカテゴリ特徴は、数千もの異なる利用可能性のあるカ
テゴリ特徴値の中の１個である。このような場合におい
て、該カテゴリ特徴の値における不確実性を最小にする
ような、予測子特徴値の最良の部分集合SXoptを発見す
るためには、2(M-1)−１個のサブセットを列挙すること
が必要とされる。この値が数千というようなときには、
これは実際的ではない。
この発明によれば、以下に説明されるように、最良の部
分集合SXoptを発見するためには、多くとも近似的にＫ
（Ｍ＋Ｎ）個の部分集合を列挙することが必要とされる
だけである。ここでＫは定数であって、例えば６であ
る。
予測子特徴およびカテゴリ特徴は数千の異なる可能性の
ある値を有するものであるが、この発明を説明する目的
のために、Ｍ＝５であり、Ｎ＝５である例について説明
する。なお、一般的には、ＭがＮに等しいことは必要で
はない。
第１表には、５個の異なる可能性のある値X1ないしX5を
有する予測子特徴が例示されている。予測子特徴（先行
ワード）値は、それぞれに、“トラベル（travel）”、
“クレジット（credit）”、“スペシャル（specia
l）”、“トレード（trade）”および“ビジネス（busi
ness）”である。
第２表には、５個の異なる可能性のある値Y1ないしY5を
有するカテゴリ特徴が例示されている。カテゴリ特徴
（認識ワード）値は、それぞれに、“エージェント（eg
ent）”、“ブレティン（bulletin）”、“マネージメ
ント（Management）”、”コンサルタント（consultan
t）",および“カード（card）”である。
ここで第１図に戻ると、事象のセットにおける各事象の
予測子特徴値Xmおよびカテゴリ特徴値Ynが、この発明に
よって測定される。第３表には、10個の仮説的な事象に
対する可能な測定が例示されている。
第３表における測定された予測子特徴値および測定され
たカテゴリ特徴値から、カテゴリ特徴値Ynおよび予測子
特徴値Xmを有する事象の生起する確率Ｐ（Xm,Yn）が、
各Ynおよび各Xmに対して評価される。事象の集合が十分
に大きいときには、カテゴリ特徴値Ybおよび予測子特徴
値Xaを有する事象の生起する確率Ｐ（Xa,Yb）が、特徴
値（Xa,Yb）を有する観察事象における事象の総数を観
察事象の集合における事象の総数で割ったものとして評
価される。
第４表には、確率Ｐ（Xa,Yb）の仮説的な評価が例示さ
れている。
確率の評価がなされた後で、予測子特徴値Xmの出発集合
SXopt（ｔ）が選択される。変数ｔは任意の初期値を有
するものである。ここでの例においては、予測子特徴値
X1およびX2（即ち、先行ワードの“トラベル”および
“クレジット”）に等しい出発集合SXopt（ｔ）が任意
に選択される。
第１図におけるフローチャートを継続して参照すると、
評価された確率Ｐ（Xm,Yn）から、カテゴリ特徴の値がY
nであるときに、集合SXopt（ｔ））において予測子特徴
値を有するという条件付きの確率Ｐ（SXopt（ｔ）|Yn）
が、各Ynに対して計算される。第５表に例示されている
ものは、ｔが１に等しいときに、SXopt（ｔ）とYnとの
ジヨイント確率、▲▼opt（ｔ）とYnとのジヨイン
ト確率、および、カテゴリ特徴Ｙの各値Ynに与えらるX
opt（ｔ）の条件付き確率である。これらの数は第４表
に示されている確率に基づくものである。ここに、 Ｐ（SXopt（ｔ）、Yn）＝Ｐ（X1,Yn）＋Ｐ（X2,Yn）， Ｐ（▲▼opt（ｔ）、Yn）＝Ｐ（X3,Yn）＋Ｐ（X4,Y
n） ＋Ｐ（X5,Yn） そして、 Ｐ（SXopt（ｔ）|Yn） ＝Ｐ（SXopt（ｔ）、Yn）／｛Ｐ（SXopt（ｔ）、Yn） ＋Ｐ（▲▼opt（ｔ）、Yn）｝ 条件付き確率の計算がなされた後で、カテゴリ特徴値Yn
についての多くの順序付けられた対の集合SYj（ｔ）お
よび▲▼ｊ（ｔ）の規定がなされる。集合の数ｊ
は、（Ｎ−１）より小さいかこれに等しい正の整数であ
る。各集合SYj（ｔ）に含まれているものは、条件付き
確率Ｐ（SXopt（ｔ）|Yn）についてｊ個の最低値を有す
るように、それらのカテゴリ特徴値Ynである。各集合▲
▼ｊ（ｔ）に含まれているものは、条件付き確率に
ついて（Ｎ−ｊ）個の最高値を有するような、そのカテ
ゴリ特徴値Ynである。
第５表における条件付き確率から、第６表には、集合SY
1（ｔ）および▲▼１（ｔ）からSY4（ｔ）および▲
▼４（ｔ）までの、順次付けられた対が例示されて
いる。また、この第６表には、各集合けるカテゴリ特徴
値Ynも示されている。
（Ｎ−１）個の順序付けられた対の集合SYJおよび▲
▼Ｊの各々に対して、予測子特徴値Xmにおける不確実
性を、２通りの異なるやり方で計算することができる。
より好適には、該不確実性の計算は、第４表の確率から
なされる。これに代えて、該不確実性の計算は、第５表
の確率から行うこともできる。一般的にいえば、第４表
における個別の確率に基づく不確実性の計算の方が、第
５表における集合SXopt（ｔ）および▲▼opt（ｔ）
の確率に基づく不確実性の計算よりは正確である。しか
しながら、減退型の第５表における不確実性の計算の方
が迅速であって、同様な結果が得られる。
第６表において、集合SYj（ｔ）および▲▼
ｊ（ｔ）に対する、予測子特徴Ｘの値における不確実性
Ｈ（Split SYJ（ｔ））の計算は、第４表の確率から次
の式に従ってなされた。
Ｈ（Split SYJ（ｔ）） ＝Ｐ（SYj（ｔ））Ｈ（Xm|SYj（ｔ）） ＋Ｐ（▲▼ｊ（ｔ））Ｈ（Xm|▲▼ｊ（ｔ）） ここに、 Ｐ（Xm|SYj（ｔ）） ＝Ｐ（Xm、SYj（ｔ））/P（SYj（ｔ）） 第６表においては、２を基数とする対数が用いられてい
る。（例えば、統計科学専門書第２巻“Encyclopediaof
Statistical Sciences,Volume 2"、ジョン・ワイリー
・アンド・サンズ社“John Wiley＆Sons"、1982年、512
−516ペイズを参照）。
かくして、一対の集合に対する特徴値における不確実性
は、例えばＰ（SYj（ｔ））のような、該当の集合にお
けるある１個の事象の生起確率について、当該集合に対
する例えばＨ（Xm|SYj（ｔ））のような不確実性を乗算
するようにして、このような積の和として計算された。
第６表において示されているように、予測子特徴Ｘの値
において最低の不確実性を有する集合SXopt（ｔ））お
よび▲▼opt（ｔ）の対は、第４表における確率か
ら乗算されるような集合SY2（ｔ）および▲▼
２（ｔ）の対である。
評価された確率Ｐ（Xm,Yn）から、予測子特徴の値がXm
であるときに、集合SYopt（ｔ））においてカテゴリ特
徴の値を有するような条件付きの確率Ｐ（SYopt（ｔ）|
Xm）が、各Xmに対して計算される。第７表に例示されて
いるものは、第４表におけるジョイント確率に基づく、
これら条件付き確率である。ここに、Ｐ（SYopt（ｔ）,
Xm）＝Ｐ（X4,Xm）＋Ｐ（X5,Xm） Ｐ（▲▼opt（ｔ）、Xm）＝Ｐ（Y1,Xm） ＋Ｐ（Y2,Xm）＋Ｐ（Y3,Xm）Ｐ（SYopt（ｔ）|Xm） ＝Ｐ（SYopt（ｔ）,Xm）÷｛Ｐ（SYopt（ｔ）,Xm） ＋Ｐ（▲▼opt（ｔ）,Xm）｝ 次に、予測子特徴Xmの集合SXi（ｔ＋１））および▲
▼ｉ（ｔ＋１））の順序付けられた対の規定がなされ
る。変数ｉは（Ｍ−１）より小さいかこれに等しい正の
整数である。各集合SXi（ｔ＋１）に含まれているもの
は、条件付きの確率Ｐ（SYopt（ｔ）|Xm）のｉ個の最低
の値を有するそれらの予測子特徴値Xmだけである。各集
合▲▼ｉ（ｔ＋１）に含まれているものは、条件付
きの（Ｍ−ｉ）個の最高の値を有するそれらの特徴値Xm
だけである。
第８表に示されているものは、第７表における条件付き
の確率に基づく予測子特徴値の、集合SX1（ｔ＋１）お
よび▲▼１（ｔ＋１）からSX4（ｔ＋１）および▲
▼４（ｔ＋１）までの、順序られた対である。ま
た、この第８表には各集合に関連した予測子特徴値も示
されている。
第６表に関して上述されたと同様な態様をもって、カテ
ゴリ特徴値における不確実性の計算が、第４表および第
７表における確率からの集合の各対についてそれぞれに
なされた。第８表に示されているように、カゴリ特徴値
において最低の不確実性を有する集合SXopt（ｔ＋１）
および▲▼opt（ｔ＋１）の対は、第４表の確率か
ら計算るように、SX2（ｔ＋１）であった。なお、こに
ｔ＝１である。
最後に、集合SXopt（ｔ＋１）および▲▼opt（ｔ＋
１）の対が発見されると、事象予測子特徴値が集合SX
opt（ｔ＋１）のメンバであるときには、該事象は第１
のクラスに分類される。事象の予測子特徴値が集合▲
▼opt（ｔ＋１）のメンバであるときには、該事象は
第２のクラスに分類される。
SXopt（ｔ＋１）および▲▼opt（ｔ＋１）について
得られた第１の値に従って観察事象の分類をすること
は、この発明によれば可能であるけれども、このプロセ
スを繰り返すことによって更に良好な部分集合を得るこ
とができる。即ち、一対の集合SXopt（ｔ＋１）および
▲▼opt（ｔ＋１）を発見した後であるが、事象の
分類をするのに先立ってｔを１だけ増大させ、これに次
いで、SXopt（ｔ＋１）および▲▼opt（ｔ＋１）の
発見を通して条件付きの確率 Ｐ（SXopt（ｔ）|Yn）を計算するステップを繰りことが
好適である。これらステップは、例えば、該当の集合SX
opt（ｔ＋１）が先行のセットSXopt（ｔ）と等しくなる
まで、または実質的に等しくなるまで繰り返すことがで
きる。これに代えて、これらのステップをある選択され
た回数だけ繰り返すことができる。
上述されたステップを繰り返すことにより、SXopt（ｔ
＋１）＝SXopt（ｔ）になったときにこの繰り返しを停
止することにより、ランダムに発生された確率の分布に
基づく事象の集合を分類するために、この発明が用いら
れた。Ｍの値が２から12まで、また、Ｎの値が２から16
までに対して、分類の繰り返しが100回にわたってなさ
れた。全てのケースにおいて、５回以上の繰り返しをす
ることなく分類が完了した。そのために、試験された部
分集合は５（Ｍ＋Ｎ）個に満たないものであった。この
発明によって得られた分類における情報〈不確実性）は
最適に近いものであった。
第２図のフローチャートは、予測子特徴の値において最
低の不確実性を有する集合SYopt（ｔ）および▲▼
opt（ｔ）を発見する一つの態様を示すものである。集
合SYjおよび▲▼ｊの順序付けられた対が規定され
た後で、変数ｊが１に等しく設定される。これに続け
て、集合SYj（ｔ）および▲▼ｊ（ｔ）に対する不
確実性Ｈ（Split SYj（ｔ））が計算され、また、集合
SY(j+1)（ｔ）および▲▼(j+1)（ｔ）に対する不確
実性Ｈ（Split SY(j+1)（ｔ））が計算される。次に、
不確実性Ｈ（Split SYj（ｔ））が不確実性Ｈ（Split
SY(j+1)（ｔ））と比較される。Ｈ（Split SY
j（ｔ）がＨ（Split SY(j+1)（ｔ））よりも小さいと
きには、SYopt（ｔ）がSYj（ｔ）に等しく設定され、ま
た、▲▼opt（ｔ）は▲▼ｊ（ｔ）に等しく設
定される。Ｈ（Split SYj（ｔ））がＨ（Split SY
(j+1)（ｔ））よりも小さくないときにはｊが１だけ増
大され、そして、ｊの新規な値に対する不確実性の計算
がなされる。
カテゴリ特徴の値において最低の不確実性を有する集合
SXopt（ｔ＋１）および▲▼opt（ｔ＋１）を、同様
な態様で発見することきる。
第３図には、観察事象の集合を分類するの装置が概略的
に示されている。この装置を構成することもできるもの
は、例えば、適切にプログラムされたコンビュータ・シ
ステムである。この例において、該装置を構成する汎用
デジタル・プロセッサ10は、データ・エントリ用のキー
ボード12、ディスプレイ14、ランダム・アクセス・メモ
リ16および、蓄積デバイス18が備えられている。ランダ
ム・アクセス・メモリ16に蓄積されているプログラムの
制御の下に、プロセッサ10は蓄積デバイス18における学
習テキストから、予測子特徴値Xmおよびカテゴリ特徴値
Ynの探索をする。該学習テキストにおける特徴値から、
プロセッサ10は評価確率Ｐ（Xm,Yn）の計算を行い、こ
の評価確率を蓄積デバイス18に蓄積する。
次いで、プロセッサ10は予測子特徴値の出発集合SXopt
（ｔ）の選択をする。例えば、ｔが初期値を有するとき
の集合SXopt（ｔ）には、（Ｍが偶数で整数であるとき
の）予測子特徴値X1ないしＸM/2、または、（Ｎが奇数
の整数であるときの）X1ないしＸ（Ｍ＋１）/2を含ませ
ることができる。他のどのような選択でも受も受け入れ
ることができる。
蓄積デバイス18における確率Ｐ（Xm,Yn）から、プロセ
ッサ10は条件付き確率Ｐ（SXopt（ｔ）|Yn）の計算を行
い、これらを蓄積デバイス18に蓄積させる。該条件付き
の確率から、集合SYj（ｔ）および▲▼ｊ（ｔ）の
順次付けられた対の規定がなされて、蓄積デバイス18に
蓄積される。
なおもプログラムの制御の下に、プロセッサ10は集合の
（Ｎ−１）個の順序付けられた対についての不確実性の
計算を行い、そして、予測子特徴の値において最低の不
確実性を有する集合SYopt（ｔ）および▲▼
opt（ｔ）を蓄積デバイス８に蓄積する。
プロセッサ10は、同様な態様をもって、カテゴリ特徴の
値において最低の不確実性を有するセットSXopt（ｔ＋
１）および▲▼opt（ｔ＋１）の発見および蓄積を
行う。
第４図には、この発明の方法および装置によって発生で
きる決定ツリー（decision tree）が例示されてい。第
４図に示されているように、該決定ツリーの各ノード
は、事象の集合SZ0ないしSZ6と関連している。該ツリー
の頂点部における集合SZ0には、全ての予測子特徴の全
ての値が含まれている。集合SZ0における事象は、この
発明の方法および装置を用いることにより、第１の予測
子特徴Ｘ′に従って、該ツリーの第２のレベルに分類さ
れる。
例えば、該第１の予測子特徴Ｘ′が認識されるべきワー
ドＹの直前を先行するワードであるときには、該事象の
集合SZ0は、先行のワードがセットSX′optのメンバであ
るような事象のセットSZ1、および、その先行のワード
がセット▲▼′optのメンバであるようなセットSZ2
に分割される。
該ツリーの第３のレベルにおいては、事象の集合SZ1お
よびSZ2は、例えば、第２の予測子値Ｘ″（認識される
べきワードに対して次に先行するワード）によって更に
分割される。該決定ツリーの各ノードは、認識されるべ
きワードの値（カテゴリ特徴の値）に対する確率分布に
関連付けられている。ある１個が該決定ツリーを通って
進行するにつれて、認識されるべきワードＹの値におけ
る不確実性が連続的に減少する。
第５図は、この発明による分類方法および装置が用いら
れる自動的な音声認議システムを示すブロック図であ
る。これと同様なシステムは、例えば、米国特許第4,75
9,068号において説明されている。第５図に示されたシ
ステムには、ある１個の発声を電気的な信号に変換する
ためのマイクロホン20が含まれている。音響ラベル・プ
ロトタイプ蓄積部24からの、最も良くマッチングがとれ
た音響ラベル・プロトタイプを発見する、音響プロセッ
サ／ラベル・マッチング部22によって、該マイクロホン
からの信号が処理される。急速音響ワード・マッチング
・プロセッサ26は、蓄積部28における短縮音響ワード・
モデルに対して音響プロセッサ22からのラベル・ストリ
ングのマッチングをさせて、ある１個の発声信号を生成
させる。
該急速音響ワード・マッチング・プロセッサによって出
力された発声信号には、該発声の予測子ワードを表す少
なくとも１個の予測子ワード信号が含まれている。ただ
し、一般的には、該急速音響マッチング・プロセッサは
多くの候補としての予測子ワードを出力するものであ
る。
該急速音響ワード・マッチング・プロセッサ26によって
生成された各予測子ワード信号は、ワードの関連マッチ
ング部30に入力される。このワード関連マッチング部30
においては、ワードの関連を蓄積部32からのランゲージ
・モデルと対比して、ある１個の候補としての予測され
たワードを表す少なくとも１個のカテゴリ特徴信号を出
力する。該急速音響マッチング部およびランゲージ・モ
デルによって生成された認識候補から、詳細音響マッチ
ング部34は、蓄積部36における詳細音響ワード・モデル
に対して、音響プロセッサ22からのラベル・ストリング
とマッチングさせて、該当の発声に対応するワード・ス
トリングを出力する。
第６図は、ワード関連マッチング部30およびランゲージ
・モデル32の部分についての、更に詳細なブロック図で
ある。該ワード関連マッチング部30およびランゲージ・
モデル32に含まれているものは、全ての予測子ワードを
蓄積するための予測子特徴信号蓄積部38である。（第３
図に関して前述された装置のような）決定集合・ゼネレ
ータ40は、該当の決定集合に対する予測子ワードの部分
集合を発生させるものである。
コントローラ42は、急速音響ワード・マッチング・プロ
セッサ26からの予測子ワード信号を、予測子ワード信号
蓄積部44に蓄積させる。
コントローラ42によってアドレスされた予測子ワード信
号は、コンパレータ46において、該コントローラ42によ
ってアドレスされた予測子特徴値信号と比較される。予
測子ワード信号が決定集合と比較された後で、該予測子
ワード信号が決定集合のメンバであるときには、第１の
カテゴリ特徴信号が出力される。そうでないときには、
第２のカテゴリ特徴信号が出力される。
ワード関連マッチング部30およびランゲージ・モデル32
の動作の一例については、第１表、第２表および第９表
を参照して説明することができる。
ワード・ストリングの発声において、先行のワード（即
ち、認識されるべきワードの直前を先行するワード）
は、ワード”トラベル”として試験的に識別される。第
１表によれば、該先行ワード”トラベル”は予測子特徴
値X1を有している。第９表からみて、該ワード”トラベ
ル”は集合▲▼opt（ｔ＋１）内にある。従って、
認識されるワードの各値Ynの確率は、第９表における付
きの確率Ｐ（Yn|▲▼opt（ｔ＋１））によって与え
られる。
第１および第２に高い条件付きの確率を有するワードの
選択をすると、ランゲージ・モデル26は”トラベル”に
迫従する認識ワードに対候補として、ワードY3およびY4
（“マネージメント”および“コンサルタント”）が出
力される。これに次いで、該候補は詳細音響マッチング
に呈示されて、更に調査を受けることになる。
【図面の簡単な説明】 第１図は、この発明による観察事象の集合を分類する方
法のフローチャート図である。 第２図は、最低の不確実性を有する集合の発見のしかた
を示すフローチャート図である。 第３図は、この発明による観察事象の集合を分類する装
置のブロック図である。 第４図は、この発明による方法および装置によって生成
された分類から構成することかできる決定ツリーの図で
ある。 第５図は、この発明によるワード関連マッチング部を含
む音声認識システムのブロック図である。 第６図は、前記第５図におけるワード関連マッチング部
のブロック図である。 第３図において： 10は汎用デジタル・プロセッサ 12はキーボード、 14はディスプレイ、 16はランダム・アクセス・メモリ、 18は蓄積デバイス。

Claims (2)

    【特許請求の範囲】
  1. 【請求項１】発声を当該発声を表す発声信号に変換する
    ステップ（ここに、発声は一連の少なくとも１個の予測
    子ワードおよび１個の予想されるワードからなり、発声
    信号は該予測子ワードを表す少なくとも１個の予測子ワ
    ード信号からなるものである）； それぞれに前記予測子ワードを表す予測子特徴値Xmを有
    するＭ個の予測子特徴信号の集合を生成させるステップ
    （ここに、Ｍは３よりも大きいかこれに等しい整数、ｍ
    はゼロよりも大きく、かつ、Ｍよりも小さいかこれに等
    しい整数であり、該当の集合内の各予測子特徴信号は異
    なるワードを表している）； 該当のワードを表すＭ個の予測子特徴信号の部分集合を
    含む決定集合を発生させるステップ； 該当の予測子ワード信号を該決定集合内の予測子特徴信
    号と比較するステップ； 該予測子ワード信号が決定集合のメンバであるときに、
    第１の予測されたワードを表す第１カテゴリ特徴信号を
    出力させるステップ（前記第１のカテゴリ特徴信号はＮ
    個のカテゴリ特徴信号の中の１個であり、各カテゴリ特
    徴信号は異なるワードを表し、カテゴリ特徴値Ynを有し
    ており、ここに、Ｎは３よりも大きいかこれに等しい整
    数、ｎはゼロよりも大きく、かつ、Ｎよりも小さいかこ
    れに等しい整数である）；および 該予測子ワード信号が決定集合のメンバではないとき
    に、該第１のカテゴリ特徴信号とは異なり、該第１の予
    測されたワードとは異なる第２の予測されたワードを表
    している、第２のカテゴリ特徴信号を出力させるステッ
    プ； からなる自動的な音声認識方法であって； 前記決定集合を発声させるステップが； （ａ）各々異なる値XmおよびYnを有する予測子特徴Ｘお
    よびカテゴリ特徴Ｙよりなる観察事象の集合を含む学習
    テキストを用意するステップ； （ｂ）前記事象の集合における各事象の予測子特徴値Xm
    およびカテゴリ特徴値Ynを測定するステップ； （ｃ）ｍおよびｎの各異なる組み合わせについて、カテ
    ゴリ特徴値Ynおよび予測子特徴値Xmを有する事象が生起
    する確率Ｐ（Xm、Yn）を評価するステップ； （ｄ）ｔが初期値であるときに、予測子特徴値Xmの出発
    集合SXopt（ｔ）を選択するステップ； （ｅ）該評価された確率Ｐ（Xm,Yn）から、各Ynについ
    て、カテゴリ特徴の値がYnであるとき予測子特徴が集合
    SXopt（ｔ）に含まれる値を有する条件付きの確率Ｐ（S
    Xopt（ｔ）|Yn）を計算するステップ； （ｆ）カテゴリ特徴値Ynの複数対のセット▲▼
    ｊ（ｔ）およびYj（ｔ）を定義するステップ（ここに、
    ｊはゼロよりも大きく、かつ、（Ｎ−１）より小さいか
    これに等しい整数であり、各集合SYj（ｔ）はＰ（SXopt
    （ｔ）|Yn）のｊ個を最低値を有するカテゴリ特徴値Yn
    だけを含み、各セット▲▼ｊ（ｔ）はＰ（SX
    opt（ｔ）|Yn）の（Ｎ−ｊ）個の最高値を有するカテゴ
    リ特徴値Ynだけを含んでいる）； （ｇ）集合SXopt（ｔ）および▲▼opt（ｔ）の対が
    予測子特徴の値における最低の不確実性を有するよう
    に、集合SYj（ｔ）および▲▼ｊ（ｔ）の対の中か
    ら集合SXopt（ｔ）および▲▼opt（ｔ）の対を発見
    するステップ； （ｈ）該評価された確率Ｐ（Xm,Yn）から、各Xmについ
    て、予測子特徴の値がXmであるとき予測子特徴が集合SY
    opt（ｔ）に含まれる値を有する条件付きの確率Ｐ（SX
    opt（ｔ）|Xm）を計算するステップ； （ｉ）予測子特徴値Xmの複数対の集合SXi（ｔ＋１）お
    よび▲▼ｉ（ｔ＋１）を定義するステップ（ここ
    に、ｉはゼロよりも大きく、かつ、（Ｍ−１）より小さ
    いかこれに等しい整数であり、各集合SXi（ｔ＋１）は
    Ｐ（SYopt（ｔ）|Xm）のｉ個の最低値を有する予測子特
    徴値Xmだけを含み、各集合▲▼ｉ（ｔ＋１）はＰ
    （SYopt（ｔ）|Xm）の（Ｍ−ｉ）個の最高値を有する予
    測子特徴値Xmだけを含んでいる）； ｊ）集合SYopt（ｔ＋１）および▲▼opt（ｔ＋１）
    の対がカテゴリ特徴の値における最低の不確実性を有す
    るように、集合SXi（ｔ＋１）および▲▼ｉ（ｔ＋
    １）の対の中から集合SXopt（ｔ＋１）および▲▼
    opt（ｔ＋１）の対を発見するステップ；および （ｋ）該決定集合を集合SXopt（ｔ＋１）に等しくセッ
    トするステップ； からなることを特徴とする音声認識方法。
  2. 【請求項２】発声を当該発声を表す発声信号に変換する
    ステップ（ここに、発声は一連の少なくとも１個の予測
    子ワードおよび１個の予想されるワードからなり、発声
    信号は該予測子ワードを表す少なくとも１個の予測子ワ
    ード信号からなるものである）； それぞれに前記予測子ワードを表す予測子特徴値Xmを有
    するＭ個の予測子特徴信号の集合を生成させるステップ
    （ここに、Ｍは３よりも大きいかこれに等しい整数、ｍ
    はゼロよりも大きく、かつ、Ｍよりも小さいかこれに等
    しい整数であり、該当の集合内の各予測子特徴信号は異
    なるワードを表してある）； 該当のワードを表すＭ個の予測子特徴信号の部分集合を
    含む決定集合を発声させる手段； 該当の予測子ワード信号を該決定集合内の予測子特徴信
    号と比較する手段； 該予測子ワード信号が決定集合のメンバであるときに、
    第１の予測されたワードを表す第１のカテゴリ特徴信号
    を出力させる手段（前記第１のカテゴリ特徴信号はＮ個
    のカテゴリ特徴信号の中の１個であり、各カテゴリ特徴
    信号は異なるワードを表し、カテゴリ特徴値Ynを有して
    おり、ここに、Ｎは３よりも大きいかこれに等しい整
    数、ｎはゼロよりも大きく、かつ、Ｎよりも小さいかこ
    れに等しい整数である）；および 該予測子ワード信号が決定集合のメンバではないとき
    に、該第１のカテゴリ特徴信号とは異なり、該第１の予
    測されたワードとは異なる第２の予測されたワードを表
    している、第２のカテゴリ特徴信号を出力させる手段； からなる自動的な音声認識装置において； （ａ）観察事象の集合を含む学習テキストを蓄積する手
    段であって、各事象は予測子ワードを表す予測子特徴Ｘ
    および予測されたワードを表すカテゴリ特徴Ｙを有し、
    前記予測子特徴はＭ個の異なる可能性のある値Xmの１個
    を有し、各Ｘは異なる予測子ワードを表しており、前記
    カテゴリ特徴はＮ個の異なる可能性のある値Ynの１個を
    有し、各Ynは異なる予測されたワードを表している前記
    の手段； （ｂ）事象の集合における各事象の予測子特徴値Xmおよ
    びカテゴリ特徴値Ynを測定する手段； （ｃ）ｍおよびｎの各異なる組み合わせについて、カテ
    ゴリ特徴値Ynおよび予測子特徴値Xmを有する事象が生起
    させる確率Ｐ（Xm、Yn）を評価する手段； （ｄ）ｔが初期値であるときに、予測子特徴値Xmの出発
    集合SXopt（ｔ）を選択する手段； （ｅ）該評価された確率Ｐ（Xm,Yn）から、各Ynについ
    てカテゴリ特徴の値がYnであるとき予測子特徴が集合SX
    opt（ｔ）に含まれる値を有する条件付きの確率Ｐ（SX
    opt（ｔ）|Yn）を計算する手段； （ｆ）カテゴリ特徴値Ynの複数対の集合SYj（ｔ）およ
    び▲▼ｊ（ｔ）を定義する手段（ここに、ｊはゼロ
    よりも大きく、かつ、（Ｎ−１）より小さいかこれに等
    しい整数であり、各集合Yj（ｔ）はＰ（SXopt（ｔ）|
    Yn）のｊ個の最低値を有するカテゴリ特徴値Ynだけを含
    み、各集合▲▼ｊ（ｔ）はＰ（SXopt（ｔ）|Yn）の
    （Ｎ−ｊ）個の最高値を有するカテゴリ特徴値Ynだけを
    含んでいる）； （ｇ）集合SYopt（ｔ）および▲▼opt（ｔ）の対が
    予測子特徴の値における最低の不確実性を有するよう
    に、集合Yj（ｔ）および▲▼ｊ（ｔ）の対の中から
    集合SXopt（ｔ）および▲▼opt（ｔ）の対を発見す
    る手段； （ｈ）該評価された確率Ｐ（Xm,Yn）から、各Xmについ
    て、カテゴリ特徴の値がXmであるとき予測子特徴が集合
    SYopt（ｔ）に含まれる値を有する条件付きの確率Ｐ（S
    Yopt（ｔ）|Xm）を計算する手段； （ｉ）予測子特徴値Xmの多数対の集合SXi（ｔ＋１）お
    よび▲▼ｉ（ｔ＋１）を定義する手段（ここに、ｉ
    はゼロよりも大きく、かつ、（Ｍ−１）より小さいかこ
    れに等しい整数であり、各集合SXi（ｔ＋１）はＰ（SY
    opt（ｔ）|Xm）のｉ個の最低値を有する予測子特徴値Xm
    だけを含み、各集合▲▼ｉ（ｔ＋１）はＰ（SYopt
    （ｔ）|Xm）の（Ｍ−ｉ）個のの最高値を有する予測子
    特徴値Xmだけを含んでいる）； ｊ）集合SYopt（ｔ＋１）および▲▼opt（ｔ＋１）
    の対がカテゴリ特徴の値における最低の不確実性を有す
    るように、集合SXi（ｔ＋１）および▲▼ｉ（ｔ＋
    １）の対の中から集合SXopt（ｔ＋１）および▲▼
    opt（ｔ＋１）の対を発見する手段；および （ｋ）該集合SXopt（ｔ＋１）を決定集合として出力す
    る手段； によって該決定集合の発生手段が構成されていることを
    特徴とする音声認識装置。
JP2244139A 1989-10-26 1990-09-17 音声認識方法および装置 Expired - Lifetime JPH0756675B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/427,420 US5263117A (en) 1989-10-26 1989-10-26 Method and apparatus for finding the best splits in a decision tree for a language model for a speech recognizer
US427420 2003-05-01

Publications (2)

Publication Number Publication Date
JPH03147079A JPH03147079A (ja) 1991-06-24
JPH0756675B2 true JPH0756675B2 (ja) 1995-06-14

Family

ID=23694801

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2244139A Expired - Lifetime JPH0756675B2 (ja) 1989-10-26 1990-09-17 音声認識方法および装置

Country Status (4)

Country Link
US (1) US5263117A (ja)
EP (1) EP0424665A2 (ja)
JP (1) JPH0756675B2 (ja)
CA (1) CA2024382C (ja)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5745649A (en) * 1994-07-07 1998-04-28 Nynex Science & Technology Corporation Automated speech recognition using a plurality of different multilayer perception structures to model a plurality of distinct phoneme categories
US5680509A (en) * 1994-09-27 1997-10-21 International Business Machines Corporation Method and apparatus for estimating phone class probabilities a-posteriori using a decision tree
US5729656A (en) 1994-11-30 1998-03-17 International Business Machines Corporation Reduction of search space in speech recognition using phone boundaries and phone ranking
WO1996037881A2 (en) * 1995-05-26 1996-11-28 Applied Language Technologies Method and apparatus for dynamic adaptation of a large vocabulary speech recognition system and for use of constraints from a database in a large vocabulary speech recognition system
US5822730A (en) * 1996-08-22 1998-10-13 Dragon Systems, Inc. Lexical tree pre-filtering in speech recognition
US5864819A (en) * 1996-11-08 1999-01-26 International Business Machines Corporation Internal window object tree method for representing graphical user interface applications for speech navigation
US6167377A (en) * 1997-03-28 2000-12-26 Dragon Systems, Inc. Speech recognition language models
US6418431B1 (en) * 1998-03-30 2002-07-09 Microsoft Corporation Information retrieval and speech recognition based on language models
WO1999059673A1 (en) * 1998-05-21 1999-11-25 Medtronic Physio-Control Manufacturing Corp. Automatic detection and reporting of cardiac asystole
US7031908B1 (en) * 2000-06-01 2006-04-18 Microsoft Corporation Creating a language model for a language processing system
US6865528B1 (en) * 2000-06-01 2005-03-08 Microsoft Corporation Use of a unified language model
US6859774B2 (en) * 2001-05-02 2005-02-22 International Business Machines Corporation Error corrective mechanisms for consensus decoding of speech
US8229753B2 (en) 2001-10-21 2012-07-24 Microsoft Corporation Web server controls for web enabled recognition and/or audible prompting
US7711570B2 (en) * 2001-10-21 2010-05-04 Microsoft Corporation Application abstraction with dialog purpose
US7133856B2 (en) * 2002-05-17 2006-11-07 The Board Of Trustees Of The Leland Stanford Junior University Binary tree for complex supervised learning
US7292982B1 (en) * 2003-05-29 2007-11-06 At&T Corp. Active labeling for spoken language understanding
US8301436B2 (en) * 2003-05-29 2012-10-30 Microsoft Corporation Semantic object synchronous understanding for highly interactive interface
US7200559B2 (en) 2003-05-29 2007-04-03 Microsoft Corporation Semantic object synchronous understanding implemented with speech application language tags
US8160883B2 (en) 2004-01-10 2012-04-17 Microsoft Corporation Focus tracking in dialogs

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4181813A (en) * 1978-05-08 1980-01-01 John Marley System and method for speech recognition
JPS57211338A (en) * 1981-06-24 1982-12-25 Tokyo Shibaura Electric Co Tatal image diagnosis data treating apparatus
JPS58115497A (ja) * 1981-12-28 1983-07-09 シャープ株式会社 音声認識方法
US4658429A (en) * 1983-12-29 1987-04-14 Hitachi, Ltd. System and method for preparing a recognition dictionary
JPS60262290A (ja) * 1984-06-08 1985-12-25 Hitachi Ltd 情報認識システム
US4759068A (en) * 1985-05-29 1988-07-19 International Business Machines Corporation Constructing Markov models of words from multiple utterances
FR2591005B1 (fr) * 1985-12-04 1988-01-08 Thomson Csf Procede d'identification de structure arborescentes dans des images numeriques et son application a un dispositif de traitement d'images
US4719571A (en) * 1986-03-05 1988-01-12 International Business Machines Corporation Algorithm for constructing tree structured classifiers
US4852173A (en) * 1987-10-29 1989-07-25 International Business Machines Corporation Design and construction of a binary-tree system for language modelling

Also Published As

Publication number Publication date
CA2024382C (en) 1994-08-02
CA2024382A1 (en) 1991-04-27
EP0424665A2 (en) 1991-05-02
US5263117A (en) 1993-11-16
JPH03147079A (ja) 1991-06-24
EP0424665A3 (ja) 1994-01-12

Similar Documents

Publication Publication Date Title
JPH0756675B2 (ja) 音声認識方法および装置
Sigtia et al. An end-to-end neural network for polyphonic piano music transcription
US6021387A (en) Speech recognition apparatus for consumer electronic applications
CN111291183B (zh) 利用文本分类模型进行分类预测的方法及装置
US9728183B2 (en) System and method for combining frame and segment level processing, via temporal pooling, for phonetic classification
US20140067735A1 (en) Computer-implemented deep tensor neural network
CN104903954A (zh) 使用基于人工神经网络的亚语音单位区分的说话人验证及识别
Weymaere et al. A fast and robust learning algorithm for feedforward neural networks
Somervuo et al. Bird song recognition based on syllable pair histograms
JP7332024B2 (ja) 認識装置、学習装置、それらの方法、およびプログラム
Altınçay et al. An information theoretic framework for weight estimation in the combination of probabilistic classifiers for speaker identification
Noroozi et al. Speech-based emotion recognition and next reaction prediction
Campbell Analog i/o nets for syllable timing
CN112634865A (zh) 语音合成方法、装置、计算机设备和存储介质
US6430532B2 (en) Determining an adequate representative sound using two quality criteria, from sound models chosen from a structure including a set of sound models
JP6704585B2 (ja) 情報処理装置
Boulanger-Lewandowski Modeling high-dimensional audio sequences with recurrent neural networks
KR102159988B1 (ko) 음성 몽타주 생성 방법 및 시스템
Hegde et al. A Multiple Classifier System for Automatic Speech Recognition
Madhavi et al. Comparative analysis of different classifiers for speech emotion recognition
EP4167227A1 (en) System and method for recognising chords in music
Do Neural networks for automatic speaker, language, and sex identification
Huang Recurrent Poisson Process Unit for Automatic Speech Recognition
Blomqvist et al. Swedish Dialect Classification using Artificial Neural Networks and Guassian Mixture Models
Begum et al. Mood Based Music Player