WO2010116785A1 - 検索装置 - Google Patents

検索装置 Download PDF

Info

Publication number
WO2010116785A1
WO2010116785A1 PCT/JP2010/051874 JP2010051874W WO2010116785A1 WO 2010116785 A1 WO2010116785 A1 WO 2010116785A1 JP 2010051874 W JP2010051874 W JP 2010051874W WO 2010116785 A1 WO2010116785 A1 WO 2010116785A1
Authority
WO
WIPO (PCT)
Prior art keywords
search
candidates
narrowing
candidate
input
Prior art date
Application number
PCT/JP2010/051874
Other languages
English (en)
French (fr)
Inventor
岡登　洋平
利行 花沢
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to EP10761487A priority Critical patent/EP2418589A4/en
Priority to JP2011508269A priority patent/JP5300974B2/ja
Priority to US13/255,517 priority patent/US20110320464A1/en
Priority to CN201080015020.6A priority patent/CN102365639B/zh
Publication of WO2010116785A1 publication Critical patent/WO2010116785A1/ja

Links

Images

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
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution

Definitions

  • the present invention relates to a search device for names of facilities, for example, for input based on pattern recognition such as text input or input speech.
  • the name search technology based on the character string index is to search for names that appear in search target morphemes and N character chain partial character strings.
  • Japanese Patent No. 3665112 discloses a method in which the scores of each candidate are aggregated based on partial character string matching, and the top candidates are used as search results. At this time, a fuzzy search for extracting similar candidates is possible even if the character string does not exactly match the input. In the fuzzy search, it is necessary to hold a plurality of candidates having different scores, and the use memory and the calculation amount are larger than in the complete match search.
  • the size of the character string index referred to above is proportional to the number of search units of the search target character string. For this reason, when the search target is large-scale, it is necessary to place a character string index to be referenced on a secondary storage such as a DVD (Digital Versatile Disk) or a hard disk. In this case, the processing time required for reading from the secondary storage increases.
  • the number of times the dictionary is read out is the number of types of different partial character strings, and is almost proportional to the length of the input character string for short inputs such as names.
  • a fuzzy search needs to hold a plurality of candidates having different scores, and has a larger memory and calculation amount than a complete match search.
  • Japanese Patent Laid-Open No. 2008-262279 discloses a search method that takes into account the difference between a unit that considers speech recognition and a unit of search as a search method that uses speech. In this case, the search takes account of misrecognition at the time of speech recognition, and the number of candidates further increases.
  • Japanese Patent No. 3134204 a hierarchical search mode that narrows down the document set that is the immediately preceding search result as a population, and a universe search mode that always searches a fixed set of documents in each search by an instruction operation. A method of enabling selection is disclosed.
  • each narrowing method has the following problems.
  • the document population is re-searched for each re-search. Therefore, the cost of managing the search history is small as long as the user's input is held as the search history. However, it is always necessary to process all inputs for all candidates. For this reason, since the number of times of index reading is large and the number of candidates for aggregation is also large, the processing time becomes long and the responsiveness decreases.
  • Japanese Patent Laid-Open No. 2008-262279 creates a recognition dictionary that covers the entire search target. This dictionary does not consider the narrowing-down result, and the recognition rate does not improve even when narrowing down.
  • an object of the present invention is to improve an average search time without increasing the management cost during a narrow search. Another object is to improve recognition accuracy in narrowing down by voice.
  • the search device provides: An input means for accepting user input and outputting a search request; Search history storage means for storing a search history including input contents from the input means and a candidate list; Narrowing down to select a narrowing method from the two methods of limiting the search target to upper candidates and re-searching based on past input according to the contents of the search history stored in the search history storage means by the search request A method selection means; Candidate score updating means for setting a search candidate and its score from the search history based on the selected narrowing method, and updating the candidate score with reference to the search index based on the character string received from the input means; Candidate determination means for determining candidates to be presented based on the number of candidates updated by the candidate score update means and the distribution of scores; The candidate determination means includes candidate presentation means for presenting the candidates determined by the candidate determination means to the user with reference to the name information data.
  • two methods a method for limiting the search target to upper candidates and a method for re-searching based on the past input according to the contents of the search history stored in the search history storage means Select the filtering method from. For this reason, when there are few candidates with high validity, it is possible to narrow down the target and narrow down the calculation time. In addition, when there are many highly relevant candidates, it is possible to perform a search with an expanded range by referring to the input character string of the search history. A search with a short calculation time is possible.
  • FIG. 1 is an overall configuration diagram of a search device assumed by the present invention. It is a functional block diagram which shows the structure of the search device which concerns on Embodiment 1 of this invention. It is explanatory drawing of a name information dictionary example. It is explanatory drawing of the example of a search index based on character 2-gram. It is explanatory drawing of the example of search history. It is explanatory drawing of the table for aggregation showing a total score and a total flag. 4 is a flowchart showing a search processing operation of the search device according to the first embodiment. It is a characteristic view of the ranking and score of candidate search results for two inputs. It is a functional block diagram which shows the structure of the search device which concerns on Embodiment 2 of this invention.
  • 10 is a flowchart showing a search processing operation of the search device according to the second embodiment. It is a functional block diagram which shows the structure of the search device which concerns on Embodiment 3 of this invention. 10 is a flowchart showing a search processing operation of the search device according to Embodiment 3.
  • FIG. FIG. 1 shows the overall configuration of a search apparatus assumed by the present invention.
  • the input unit 10 accepts input by text, speech, etc., and converts it into a format acceptable by the search unit 20 with reference to the large vocabulary speech recognition dictionary 103 as necessary.
  • the search unit 20 performs a fuzzy search with reference to the search index 102.
  • the presentation unit 30 refers to the name information dictionary 101 and presents the name of the search result by the search unit 20 and accompanying information to the user.
  • the name information dictionary 101, the search index 102, and the large vocabulary speech recognition dictionary 103 are created from search target data. Since the data size increases as the search target becomes large, it is arranged on the secondary storage device 40.
  • FIG. 2 is a functional block diagram showing the configuration of the search device according to Embodiment 1 of the present invention.
  • the search apparatus includes a name information dictionary 101, a search index 102, an input unit 201 which is an example of a configuration unit of the input unit 10, a search history storage unit 202, a narrowing-down method selection unit 203, a candidate score update unit 204, a candidate determination unit 205.
  • the candidate presentation unit 206 is an example of the configuration unit of the presentation unit 30.
  • a characteristic part of the present invention is that it includes a narrowing-down method selection unit 203 and determines a narrowing-down method according to the search history read from the search history storage unit 202.
  • the operation of each functional block will be described.
  • the name information dictionary 101 is name information such as notation and pronunciation corresponding to a name ID (identification) to be presented to the user.
  • FIG. 3 shows an example of the name information dictionary 101 composed of a name ID and a name reading. If the name information dictionary 101 is information associated with a name ID, a word division result, a notation, and the like can also be registered.
  • the search index 102 stores the ID of the name corresponding to the partial character string.
  • the score for each name ID can be updated by referring to the name ID from the input partial character string.
  • the unit of the partial character string must be determined in advance, and a word (morpheme in the case of Japanese) or a character N-gram is used.
  • position information in the name and importance for information retrieval such as tf / idf can be given.
  • FIG. 4 is an example of the search index 102 based on the character 2-gram corresponding to FIG. In the search index, the corresponding name ID can be referenced from any two characters.
  • the input means 201 accepts the user input and outputs a search character string to the candidate score update means 204.
  • the search history storage means 202 stores the user search history so far.
  • the search history includes an input ID, a user input character string, a name ID constituting a search result at that time, and a score thereof. Every time narrowing occurs, it is added to the search history, and when the narrowing is canceled, all search history candidates are cleared. The search history is terminated with an appropriate score threshold and the number of candidates that can be presented.
  • FIG. 5 is an example of a search history.
  • the narrowing-down method selection unit 203 selects a narrowing method based on the number of candidates, the score, and the like stored in the search history storage unit 202.
  • the candidate score update unit 204 updates the score of the name ID of the tabulation table provided in the candidate score update unit 204 based on the partial character string constituting the character string for the character string acquired from the input unit 201.
  • the tabulation table is given a score for each name ID and a tabulation flag indicating that it is a tabulation target by narrowing down.
  • FIG. 6 is an example showing the total score and the total flag of the total table. If there is no search history, the scores of all name IDs in the tabulation table are cleared and the tabulation flag of the tabulation table is set.
  • Candidate deciding means 205 includes a predetermined number or less candidates for presentation to the user from candidates whose score acquired by candidate score updating means 204 exceeds a predetermined value, candidate IDs and candidates for holding for search.
  • the data is extracted from the tabulation table and output to the candidate presentation unit 206 and the search history storage unit 202.
  • the candidate presenting means 206 refers to the name information dictionary 101 and presents a name corresponding to the name ID list acquired from the candidate determining means 205 to the user.
  • FIG. 7 is a flowchart showing the search processing operation of the search device according to the first embodiment.
  • the input unit 201 acquires a user input character string and issues a search request (step S1001).
  • the narrowing-down method selection unit 203 refers to the search history storage unit 202 and checks whether there is a search history for the input character string (whether the history number h is 1 or more) (step S1002). If the number of histories is 0, the aggregation flag to be searched is set for all candidates in the aggregation table, the score is cleared to 0, and the process proceeds to step S1008.
  • the narrowing-down method selection unit 203 includes at least the length of the input character string of the total search history stored in the search history storage unit 202, the number of final history candidates, and the final score candidate score distribution (1) Re-search based on past inputs: (2) Recalculate the score of the tabulation table, (2) Limit the search target to upper candidates: In the candidates held by the search history storage means 202 A narrowing-down method is selected from “limited” (step S1003). Details of the selection method selection will be described later. If the score is recalculated, the process proceeds to step S1004. If the search history storage unit 202 is limited to the candidates, the process proceeds to step S1007.
  • the score for each name ID of the tabulation table is recalculated based on the past history input.
  • the aggregation flag is set for all candidates in the aggregation table, and the history number i to be referred to is set to 1 (step S1004).
  • the candidate score update means 204 reads the partial character string index of the search index 102 from the input character string included in the history information S [i], and adds the score for each candidate (step S1005).
  • step S1005 If the reference history i is smaller than the stored history number h, 1 is added to i, and the process returns to step S1005. Otherwise, the process proceeds to step S1008 (step S1006). As a result, a score in consideration of the input character strings of all the histories is given to the candidate name ID.
  • the candidate score update unit 204 sets the aggregation flag of the name ID held in the latest search history S [h] of the aggregation table, The score is updated (step S1007).
  • the candidate score update unit 204 acquires a partial character string for referring to the search index 102 corresponding to the character string acquired from the input unit 201, and adds a score based on the partial character string with reference to the search index 102 (Step S1008).
  • Candidate deciding means 205 extracts a presentation name ID to be presented to the user from candidates whose score obtained by candidate score updating means 204 exceeds a predetermined value and the score from the tabulation table for a predetermined number or less, and presents the candidate for presentation. Is confirmed (step S1009).
  • the search history storage unit 202 stores the input character string extracted from the tabulation table by the candidate determination unit 205, the name ID of the presentation candidate, and the score (step S1010).
  • the candidate presenting means 206 refers to the name information dictionary 101, acquires the presentation content such as the name corresponding to the name ID to be presented, and presents it to the user (step S1011).
  • FIG. 8 shows search result candidates for a certain input (A) and (B), with the X axis representing the ranking and the Y axis representing the score.
  • a threshold is set based on the validity of the candidate.
  • an upper limit for the number of candidates presented simultaneously is set in order to ensure reasonable responsiveness.
  • the input means 201 acquires the user's text input.
  • the narrowing-down method is controlled based on the candidate score distribution and the number of candidates. For this reason, when there are few candidates with high validity, it is possible to narrow down the target and narrow down the calculation time. If there are many candidates with high validity, a search with an expanded range is performed with reference to the input character string of the search history. For this reason, even if the search history size is small, no leakage occurs and a search with a short average calculation time is realized.
  • FIG. FIG. 9 is a functional block diagram showing the configuration of the search device according to Embodiment 2 of the present invention.
  • the search device according to the second embodiment is provided with a narrowing-down recognition dictionary generating means 302 in addition to the search device of the first embodiment. Also, it is assumed that the input is voice.
  • the same reference numerals as those used in FIG. 2 are attached to the same configurations as those of the first embodiment, and the description thereof will be omitted or simplified.
  • the large vocabulary recognition dictionary 103 is a speech recognition dictionary created in advance for recognizing a user's search expression for name information to be searched. In general, in speech recognition, a higher recognition rate can be expected as the next word can be limited by a speech recognition dictionary.
  • the N-gram language model is a model that estimates the probability of the next word based on the immediately preceding N-1 word.
  • N 2
  • the next word is predicted from the immediately preceding word and is called a bigram.
  • the bigram language model predicts the next word from the word being recognized based on the concatenation probability P (w2
  • FIG. 10 is a diagram illustrating the connection probability P (w2
  • the words START and END are pseudo words representing the beginning and end of a sentence.
  • w1) is calculated based on the appearance frequency in the learning data such as the actual utterance content and the name of the search target.
  • the amount of learning data is limited. For example, there are a huge number of combinations of 25 million bigrams (5000 squares) for 5000 words.
  • the voice input unit 301 which is an embodiment of the input unit 10 receives a user's voice input, recognizes the voice by referring to the recognition dictionary, and outputs a character string.
  • the recognition dictionary has an effect of increasing the recognition rate by limiting the utterance of the assumed user.
  • the narrowing-down recognition dictionary generating means 302 outputs a recognition dictionary, the recognition dictionary is referred to. If not, the large vocabulary recognition dictionary 103 covering various search expressions of the user created in advance is referred to.
  • Non-Patent Document 4 General speech recognition methods using recognition dictionaries are described in detail in Non-Patent Document 4 and Non-Patent Document 5.
  • Non-patent document 4 “Basics of speech recognition (top) (bottom)”, co-authored by Lawrence Rabiner and Biing-Hwang Juang, directed by Sadaaki Furui, NTT Advanced Technology Co., Ltd.
  • Non-patent document 5 “SPOKEN LANGUAGE PROCESSING -A guide to Theory, Algorithm and System Development- '', Xuedong Huang, Alex Acero, Hsiao-Wuen Hon, Prentice Hall.
  • the narrowing-down method selection unit 203 determines whether to generate a narrowing-down recognition dictionary according to the narrowing-down method based on the search history stored in the search history storage unit 202 when a narrowing-down input occurs.
  • the narrowing-down recognition dictionary generation unit 302 performs name information corresponding to the target name ID. And a narrowing-down dictionary is generated from the name information 101.
  • FIG. 11 is an example of a narrowing-down recognition dictionary that recognizes the three names and constituent words shown in FIG.
  • the speech recognition target is a route from the node indicated by “START” to the node indicated by “END”.
  • a node written in Katakana that passes along the way represents a unit of speech recognition.
  • a route for skipping in units of words is set, and partial expressions can be accepted.
  • the syllables common to “Kawasaki” and “Yokohama” and “Kouen” at the end are merged to reduce the size of the network.
  • the recognition dictionary expressed by the network shown above can be created to recognize only the utterances related to the narrowing target. For this reason, assuming all the search targets, it is very compact compared to the large vocabulary speech recognition dictionary 103 that accepts various expressions, and the recognition rate for the narrowing targets is high. However, since the creation of a dictionary requires a calculation amount corresponding to the number of target names, it is difficult to generate a dictionary in a short time when there are many narrowing targets.
  • FIG. 12 is a flowchart showing the search processing operation of the search device according to the second embodiment.
  • the narrowing-down recognition dictionary generating unit 302 refers to the states of the search history storage unit 202 and the narrowing-down method selection unit 203, and confirms whether or not it is a candidate limited process held by the search history storage unit 202 (step S2001). ). In the case of refinement and limitation within candidates held by the search history storage unit 202, the narrowing-down recognition dictionary generation unit 302 refers to the name information dictionary 101 and the search history storage unit 202, and accepts expressions that can appear in the target candidates. A possible recognition dictionary is generated and used as the recognition dictionary of the voice input means 301 (step S2002). Otherwise, the voice input means 301 reads the large vocabulary voice recognition dictionary 103 (step S2003).
  • the voice input means 301 recognizes the user's speech based on the set recognition dictionary, obtains a recognition result character string, outputs the character string to the candidate score update means 204, and makes a search request (step) S2004).
  • the candidate score update unit 204 first checks whether there is a search history in the search history storage unit 202 (whether the history number h is 1 or more) (step S2005). If the number of histories is 0, the aggregation flag to be searched is set for all candidates in the aggregation table, the score is cleared to 0, and the process proceeds to step S2012.
  • the narrowing-down method selection unit 203 selects at least one of the total length of input character strings stored in the search history storage unit 202, the number of final history candidates, and the candidate score distribution of the final history.
  • Re-search based on past input recalculation of score of table for aggregation
  • Limit search target to upper candidates Limited to candidates held by search history storage means 202
  • a method for selecting the data is selected (step S2006). In the case of score recalculation, the process proceeds to step S2007, and in the case of limiting to the candidates held in the search history storage means 202, the process proceeds to step S2010.
  • the aggregation flag is set for all candidates in the aggregation table, and the score is recalculated with reference to the past search history stored in the search history storage means 202.
  • the history number i to be referred to is set to 1 (step S2007).
  • the candidate score update means 204 reads the partial character string index of the search index from the input character string included in the history information S [i], and adds the score for each candidate (step S2008). If the reference history i is smaller than the history number h, i is incremented by 1, and the process returns to step S2008. Otherwise, the process proceeds to step S2011 (step S2009). As a result, a score considering all the histories of the tabulation table is assigned to the candidate name ID.
  • the candidate score update unit 204 sets the aggregation flag of the name ID held in the latest search history S [h], and updates the score (step S2010).
  • the candidate score update unit 204 acquires a partial character string for referring to the search index corresponding to the character string acquired from the input unit 301, and adds a score based on the partial character string with reference to the search index 102 (Step S2011).
  • Candidate deciding means 205 extracts a presentation name ID and a score equal to or less than a predetermined number to be presented to the user from candidates whose score acquired by candidate score updating means 204 exceeds a predetermined value from the tabulation table, and presenting candidates Is confirmed (step S2012).
  • the search history storage unit 202 stores the input character string extracted by the candidate determination unit 205, the name ID of the presentation candidate, and the score (step S2013).
  • the candidate presentation unit 206 refers to the name information dictionary 101, acquires presentation contents such as a name corresponding to the name ID to be presented extracted by the candidate determination unit 205, and presents it to the user (step S1014).
  • a narrow-down dictionary is generated according to the search history considering the number of candidates. For this reason, only when the target is limited, the recognition accuracy is improved without requiring a large processing time by dynamically generating a recognition dictionary for the limited name.
  • the number of candidates is large, it takes time to generate a recognition dictionary, but the effect of limiting to narrowing candidates is relatively small, so that a narrowing-down recognition dictionary is not generated.
  • FIG. FIG. 13 is a functional block diagram showing the configuration of the search device according to Embodiment 3 of the present invention.
  • the search device according to the third embodiment is provided with a narrowing-down recognition dictionary adaptation means 401 added to the search device of the second embodiment.
  • the same reference numerals as those used in FIG. 9 are attached to the same configurations as those of the second embodiment, and the description thereof will be omitted or simplified.
  • the voice input unit 301 receives the user's voice input, recognizes the voice by referring to the recognition dictionary, and outputs a character string.
  • the recognition dictionary refers to the large vocabulary recognition dictionary 103. If there is a search history, based on the narrowing-down method selection means 203, the recognition dictionary output from either the narrowing-down recognition dictionary generation means 301 or the narrowing-down recognition dictionary adaptation means 401 is referred to.
  • the narrowing-down recognition dictionary adaptation means 401 refers to the input character string of the search history according to the instruction of the narrowing-down method selection means 203, and adapts the probability of the word or word string given by the large vocabulary recognition dictionary 103 for narrowing down.
  • the recognition dictionary is a bigram language model
  • the adaptation described above corrects a part of the probability of the built-in large vocabulary recognition dictionary based on the search history character string held in the search history storage means 202. For this reason, although the effect of accuracy improvement by narrowing down is smaller than that of dictionary re-creation, adaptation with a certain amount of computation is possible regardless of the number of search result candidates.
  • FIG. 14 is a flowchart showing the search processing operation of the search device according to the third embodiment.
  • the narrowing-down recognition dictionary generation unit 302 refers to the states of the search history storage unit 202 and the narrowing-down method selection unit 203, and confirms whether or not the narrowing-down and candidate restriction processing is performed (step S3001).
  • the narrowing-down recognition dictionary generating unit 302 refers to the name information dictionary 101 and the search history storage unit 202, generates a recognition dictionary that can accept expressions that can appear in the target candidates, The recognition dictionary of the voice recognition unit 301 is used (step S3002). Otherwise, the narrowing-down recognition dictionary adaptation unit 401 reads the large vocabulary recognition dictionary 103, adapts the word chain probability of the recognition dictionary based on the character string described in the search history, and uses the voice input unit 301 to narrow down. Is an adaptive recognition dictionary (step S3003).
  • the voice input means 301 recognizes the user's utterance based on the set recognition dictionary and acquires a recognition result character string (step S3004).
  • the candidate score update unit 204 first checks whether there is an input history in the search history storage unit 202 (whether the history number h is 1 or more) (step S3005). If the number of histories is 0, the aggregation flag to be searched is set for all candidates, the score is cleared to 0, and the process proceeds to step S3012.
  • the narrowing-down method selection unit 203 refers to at least one of the total input character string length stored in the input history, the number of final history candidates, and the candidate score distribution of the final history, (1) Re-search based on past input: recalculation of score in table for aggregation, (2) Limit search target to upper candidates: Limit search to candidates held by search history storage means 202, and entanglement method Select (step S3006). If the score is recalculated, the process proceeds to step S3007. If the score is limited to the candidates to be retained, the process proceeds to step S3010.
  • the aggregation flag is set for all candidates in the aggregation table, and the score is recalculated with reference to the past history.
  • the history number i to be referenced is set to 1 (step S3007).
  • the candidate score update unit 204 reads the partial character string index from the input character string included in the history information S [i], and adds the score for each candidate (step S3008). If the reference history i is smaller than the history number h, i is incremented by 1, and the process returns to step S3008. Otherwise, the process proceeds to step S3011 (step S3009). As a result, a score considering all the histories of the tabulation table is assigned to the candidate name ID.
  • the candidate score update unit 204 sets the aggregation flag of the name ID held in the latest search history S [h], and updates the score (step S3010).
  • the candidate score update unit 204 acquires a partial character string for referring to the search index corresponding to the character string acquired from the input unit 201, and adds a score based on the partial character string with reference to the search index 101 (Step S3011).
  • Candidate deciding means 205 extracts a presentation name ID and a score equal to or less than a predetermined number to be presented to the user from candidates whose score acquired by candidate score updating means 204 exceeds a predetermined value from the tabulation table, and presenting candidates Is confirmed (step S3012).
  • the search history storage unit 202 stores the input character string extracted by the candidate determination unit 205, the name ID of the presentation candidate, and the score (step S3013).
  • the candidate presenting means 206 refers to the name information dictionary 102, acquires presentation contents such as a name corresponding to the name ID presented by the candidate determining means 205, and presents it to the user (step S1014).
  • a narrowing-down speech recognition dictionary limited to the target candidates is generated, and when the number of candidates is large, the large vocabulary recognition dictionary 103 is used. Is adapted based on the input of the search history. Since a narrowing-down recognition dictionary matched to the narrowing target is used, the recognition accuracy is improved as compared with the case of referring to the large vocabulary recognition dictionary without requiring a large amount of processing time.
  • the search device according to the present invention is applied to a text and facility name search device, and may be particularly suitable for a relatively small search device incorporated in another device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

　従来の検索技術で、検索結果が複数候補ある場合の候補絞り込み方式の、一の方法は候補の脱落防ぐため膨大な数の候補が生じ、管理のコストが大きく、他方法は、常に全候補を対象に処理するため、処理時間が長く応答性が低下する。入力手段からの入力内容と候補リストを含む検索履歴を検索履歴格納手段に格納し、格納された検索履歴内容に応じ、検索対象を上位候補に限定する方式と、過去入力に基づき再検索する方式から絞り込み方式選択手段で絞り込み方法を選択し、選択した絞り込み方式により検索履歴から検索候補とそのスコアを設定し、入力手段からの文字列に基づき検索用索引を参照に候補スコア更新手段で候補スコアを更新し、更新された候補数とスコアの分布により候補決定手段で提示候補を決定し、決定された候補を名称情報データを参照して候補提示手段でユーザに提示する。

Description

検索装置
　この発明は、テキスト入力または入力音声等のパタン認識に基づく入力に対する例えば施設等の名称に対する検索装置に関するものである。
　文字列索引に基づく名称検索技術は、検索対象の形態素やN文字連鎖の部分文字列について、出現する名称を検索するものである。特許第3665112号公報では、部分文字列の照合に基づいて各候補のスコアを集計し、上位の候補を検索結果とする方法が開示されている。このとき、入力と完全一致する文字列でなくても類似した候補を抽出するあいまい検索が可能である。あいまい検索では、スコアが異なる複数の候補を保持しておく必要があり、完全一致検索よりも使用メモリや演算量が大きくなる。
　上記で参照する文字列索引の大きさは、検索対象文字列の検索単位数に比例する。このため、検索対象が大規模になる場合、参照する文字列索引をDVD(Digital Versatile Disk)やハードディスク等の二次記憶上に配置する必要が生じる。この場合、二次記憶からの読み出しに要する処理時間が大きくなる。辞書の読み出し回数は、異なる部分文字列の種類数であり、名称のように短い入力では、ほぼ、入力文字列の長さに比例する。また、一般に、あいまい検索では、スコアが異なる複数の候補を保持しておく必要があり、完全一致検索よりもメモリや演算量が大きい。
　上記検索方式を音声認識技術と組み合わせることで音声入力による検索が実現できる。特開2008-262279号公報では、音声を用いた検索方法として、音声認識を考慮した単位と、検索の単位の違いを考慮した検索手法が開示されている。この場合、音声認識時の誤認識も考慮した検索となり、さらに候補数が増加する。
　検索の結果、複数の候補が生じた場合、ユーザの追加入力によって候補を絞り込めることが望ましい。特許第3134204号公報では、直前の検索結果である文書集合を母集団として絞り込みを行うハイアラーキ検索モードと、毎回の検索で常に一定の文書集合を母集合して検索するユニバース検索モードを指示操作により選択可能とする方法が開示されている。
特許第3665112号公報、文字列検索方法及び装置 特開2008-262279号公報、音声検索装置 特許第3134204号公報、情報検索用端末装置及び情報検索用端末装置における情報表示・入出力方法
　前記特許文献３の特許第3134204号公報で開示された２通りの絞り込みの方式は、ユーザが絞り込み方法を指定する必要があった。また、上記方式をあいまい検索と組み合わせることが考えられる。この場合、それぞれの絞込み方式には、次の課題がある。
　上記ハイアラーキ検索モードは、検索履歴として絞り込まれた候補リストを保持しておき、絞り込みのための追加入力に対して、候補リスト内の対象のみ処理を行う。このため、追加入力に対してのみ索引の参照が生じる。また、集計対象が少なく演算量が小さい。
　しかし、一度、候補外となると、再び候補になることは無いため、候補が脱落しないようにする必要がある。例えば、東京都にある施設名を検索対象とした場合に、「東京」という入力に対しては膨大な数の候補が生じる。この場合、ユーザが全ての候補を確認することは困難であるにもかかわらず、検索履歴には多数候補が含まれ管理のコストが大きくなる問題がある。また、保持可能な候補数に上限がある場合、候補から脱落する場合が生じる。複数回の絞り込みや絞り込みのキャンセルを考慮すると、複数回分の検索履歴を格納しておく必要があり、管理コストも大きくなる。 
　上記ユニバース検索モードでは、再検索ごとに、文書母集団に対して再検索を行う。このため、検索履歴としてユーザの入力を保持すればよく検索履歴を管理するコストは小さい。しかし、常に全候補を対象として、全ての入力を処理する必要がある。このため、索引の読み出し回数が多く、集計対象の候補数も多いため、処理時間が長くなり応答性が低下する。
　また、音声入力を対象とした検索の場合、特開2008-262279号公報は、検索対象全体をカバーした認識辞書を作成している。この辞書は、絞り込み結果を考慮したものではなく、絞り込みの際にも認識率が改善することは無い。
　通常、ユーザは、検索対象を限定できるように入力するため、膨大な候補数となる場合はまれである。そこで、この発明は、上記を鑑みて、絞り込み検索時の管理コストを上げることなく、平均的な検索時間を改善することを目的とする。また、音声による絞り込みにおける認識精度の改善を目的とする。
　この発明に係る検索装置は、
　ユーザ入力を受理し、検索要求を出力する入力手段と、
　入力手段からの入力内容および候補リストを含む検索履歴を格納する検索履歴格納手段と、
　検索要求により検索履歴格納手段に格納される検索履歴の内容に応じて、検索対象を上位の候補に限定する方式と、過去入力に基づいて再検索する方式の2方式から絞り込み方法を選択する絞り込み方式選択手段と、
　選択した絞り込み方式に基づいて検索履歴から検索候補とそのスコアを設定し、入力手段より受理した文字列に基づき検索用索引を参照に候補スコアを更新する候補スコア更新手段と、
　候補スコア更新手段により更新された候補数とスコアの分布に基づいて提示する候補を決定する候補決定手段と、
　候補決定手段で決定された候補を名称情報データを参照してユーザに提示する候補提示手段からなる。
　この発明に係る検索装置によれば、検索履歴格納手段に格納される検索履歴の内容に応じて、検索対象を上位の候補に限定する方式と、過去入力に基づいて再検索する方式の2方式から絞り込み方法を選択する。このため、妥当性の高い候補が少ない場合は、対象を限定して絞り込みを行い、演算時間を短くできる。また、妥当性の高い候補が多い場合は、検索履歴の入力文字列を参照し、範囲を広げた検索を行うことができ、小さい検索履歴サイズであっても、漏れが生じず、平均的な演算時間が短い検索が可能となる。
この発明が想定する検索装置の全体構成図である。 この発明の実施の形態１に係る検索装置の構成を示す機能ブロック図である。 名称情報辞書例の説明図である。 文字2-gramに基づく検索用索引例の説明図である。 検索履歴例の説明図である。 集計スコアと集計フラグを表す集計用テーブルの説明図である。 実施の形態１に係る検索装置の検索処理動作を示すフローチャートである。 ２つの入力に対する検索結果の候補の順位とスコアの特性図である。 この発明の実施の形態２に係る検索装置の構成を示す機能ブロック図である。 バイグラム言語モデルの連接確率Pを表す説明図である。 ３個の名称および構成単語を認識する絞り込み用認識辞書例の説明図である。 実施の形態２に係る検索装置の検索処理動作を示すフローチャートである。 この発明の実施の形態３に係る検索装置の構成を示す機能ブロック図である。 実施の形態３に係る検索装置の検索処理動作を示すフローチャートである。
　以下、図面を参照しながらこの発明に好適な実施の形態を詳細に説明する。
　実施の形態１．
　図１は、この発明が想定する検索装置の全体構成である。入力部10は、テキスト、音声等による入力を受理し、必要に応じて大語彙音声認識辞書103を参照して検索部20が受理可能な形式へ変換する。検索部20は検索用索引102を参照してあいまい検索を行う。提示部30は、名称情報辞書101を参照し検索部20による検索結果の名称や付帯情報をユーザへ提示する。
　名称情報辞書101、検索用索引102および大語彙音声認識辞書103は、検索対象のデータから作成される。検索対象が大規模となると、これらのデータサイズも大きくなるため、二次記憶装置40上に配置される。
　図２は、この発明の実施の形態１に係る検索装置の構成を示す機能ブロック図である。
　検索装置は、名称情報辞書101、検索用索引102、入力部10の構成手段の一例である入力手段201、検索履歴格納手段202、絞り込み方式選択手段203、候補スコア更新手段204、候補決定手段205、提示部30の構成手段の一例である候補提示手段206で構成されている。
　この発明の特徴的な部分は、絞り込み方式選択手段203を備え、検索履歴格納手段202から読み出した検索履歴に応じて絞り込み方式を決める点である。以下、各機能ブロックの動作を説明する。
　名称情報辞書101は、ユーザへ提示するための名称ID(identification)に対応する表記や発音等の名称情報である。図３は、名称IDと名称の読みからなる名称情報辞書101の例である。名称情報辞書101は名称IDと対応付けられる情報であれば、単語分割結果や表記なども登録しておくことができる。
　検索用索引102は、部分文字列に対して該当する名称のIDを格納する。入力の部分文字列から名称IDを参照して、名称IDごとのスコアを更新できる。部分文字列の単位は事前に決めておく必要があり、単語（日本語の場合、形態素）や文字N-gram等が使われる。名称ID以外に名称内の位置情報やtf・idf等の情報検索上の重要度等を付与しておくことも可能である。図４は、図３と対応する文字2-gramに基づく検索用索引102の例である。検索用索引は、任意の2文字から該当する名称IDが参照可能となっている。
　入力手段201は、ユーザの入力を受理して検索用の文字列を候補スコア更新手段204へ出力する。
　検索履歴格納手段202は、それまでのユーザの検索履歴を格納する。検索履歴とは、入力IDと、ユーザの入力文字列、その時点の検索結果を構成する名称IDおよびそのスコアからなる。絞り込みが生じるごとに、検索履歴へ追加していき、絞込みを解除すると、検索履歴の候補は全てクリアされる。検索履歴は、適当なスコアのしきい値や提示可能な候補数で打ち切られる。図５は、検索履歴の例である。
　絞り込み方式選択手段203は、検索履歴格納手段202に検索履歴が格納されている場合、検索履歴格納手段202に格納された候補数、スコア等に基づいて絞り込み方法を選択する。
　候補スコア更新手段204は、入力手段201より取得した文字列について、文字列を構成する部分文字列に基づいて、候補スコア更新手段204に備えられた集計用テーブルの名称IDのスコアを更新する。集計用テーブルは、名称IDごとのスコアと、絞り込みにより集計対象となっていることを示す集計フラグが付与される。図６は、集計用テーブルの集計スコアと集計フラグを表す例である。検索履歴が無い場合、集計用テーブルの全ての名称IDのスコアをクリアし、集計用テーブルの集計フラグをセットする。
　候補決定手段205は、候補スコア更新手段204で取得したスコアが所定の値を超えた候補からユーザに提示するため所定の数以下の候補と、検索用に保持する候補の名称IDとそのスコアを集計用テーブルから抽出し、候補提示手段206と検索履歴格納手段202へ出力する。
　候補提示手段206は、名称情報辞書101を参照し、候補決定手段205から取得した名称IDリストに対応する名称をユーザへ提示する。
　次に、この発明の実施の形態１に係る検索装置の動作を説明する。
　図７は、実施の形態１に係る検索装置の検索処理動作を示すフローチャートである。ここでは、検索履歴格納手段202にh回の検索履歴S[i]（i=1..h）が格納されているものとする。
　入力手段201は、ユーザ入力の文字列を取得し、検索要求を出す（ステップS1001）。
　絞り込み方式選択手段203は、検索要求があると、検索履歴格納手段202を参照して入力文字列に対する検索履歴があるか（履歴数hが1以上か）確認する（ステップS1002）。履歴数が0の場合、集計用テーブルの全ての候補について検索対象の集計フラグをセットし、スコアを0にクリアして、ステップS1008へ進む。
　履歴数が1以上の場合、絞り込み方式選択手段203は、検索履歴格納手段202に格納される検索履歴の合計の入力文字列の長さ、最終履歴の候補数、最終履歴の候補スコア分布の少なくとも一つを参照し、（１）過去入力に基づいて再検索する：集計用テーブルのスコア再算出、（２）検索対象を上位の候補に限定する：検索履歴格納手段202が保持する候補内に限定、から絞り込み方法を選択する（ステップS1003）。絞り込み方法選択の詳細は後述する。スコア再算出の場合はステップS1004へ、検索履歴格納手段202が保持する候補内に限定する場合はステップS1007へ進む。
　スコア再算出が選択された場合、過去履歴の入力に基づいて集計用テーブルの名称IDごとのスコアを再算出する。まず、集計用テーブルの全ての候補について集計フラグをセットし、参照する履歴番号iを1にセットする（ステップS1004）。
　次に、候補スコア更新手段204は、履歴情報S[i]に含まれる入力文字列から検索用索引102の部分文字列索引を読み出し、候補ごとのスコアを加算する（ステップS1005）。
　参照する履歴iが格納されている履歴数hより小さければ、iに1を加算し、ステップS1005に戻る。そうでなければステップS1008に進む（ステップS1006）。この結果、全ての履歴の入力文字列を考慮したスコアが候補の名称IDに付与される。
　絞り込み方法を検索履歴格納手段202が保持する候補内に限定する場合、候補スコア更新手段204は、集計用テーブルの最新の検索履歴S[h]に保持された名称IDの集計フラグをセットし、スコアを更新する（ステップS1007）。
　候補スコア更新手段204は、入力手段201から取得した文字列に対応する検索用索引102を参照するための部分文字列を取得し、検索用索引102を参照して部分文字列に基づくスコアを加算する（ステップS1008）。
　候補決定手段205は、候補スコア更新手段204で取得したスコアが所定の値を超えた候補からユーザに提示する提示用の名称IDおよびそのスコアを所定の数以下集計用テーブルから抽出し、提示候補を確定する（ステップS1009）。
　検索履歴格納手段202は、候補決定手段205が集計用テーブルから抽出した入力文字列と、提示候補の名称ID、スコアを格納する（ステップS1010）。
　候補提示手段206は、名称情報辞書101を参照して、提示する名称IDに対応する名称等の提示内容を取得し、ユーザへ提示する（ステップS1011）。
　（絞り込み方式の選択基準）
　図２の絞り込み方式選択手段203において絞り込み方法の選択基準を説明する。
　図８は、ある入力（Ａ）（Ｂ）に対する検索結果の候補を、X軸が順位、Y軸がスコアとして表したものである。候補の妥当性からしきい値が設定される。また、妥当な応答性を確保するため同時に提示する候補数の上限が設定される。
　（Ａ）、（Ｂ）２つの入力を比較すると、入力（Ａ）は、入力（Ｂ）と比べて少ない候補数でスコアが低下している。これは、入力（Ａ）が特定の名称にのみ出現する表現で、候補を絞り込む効果が大きかったことを表す。一方、入力（Ｂ）は、入力（Ａ）と同一の順位でのスコアが大きい。これは、入力（Ｂ）が、ありふれた表現であり、候補を絞り込む効果が小さいことを表す。
　入力（Ａ）のスコア分布の場合、妥当性の高い候補は、所定のしきい値・候補数内に含まれると考えられる。一方、入力（Ｂ）のスコア分布のとき、所定の候補数までと、類似した候補がそれ以外にも多数あると考えられる。上記において、入力（Ａ）の場合は、妥当性の高い名称は保持する候補内に含まれていると考えられる。このため、追加の入力に対して保持する候補内に限定して絞り込む。この場合、追加入力についてのみ、限定した候補を対象に集計を行うため、演算量が小さい。
　入力（Ｂ）の場合、候補数が多数となり、保持する名称数に制限がある場合、妥当性のある名称が保持する候補数から脱落している可能性がある。このため、検索履歴に含まれる全ての入力を用いて再度検索を行う。入力（Ａ）の場合と比べて、入力（Ｂ）の場合、演算量が大きい。
　ユーザ入力の大半は、絞り込み効果のある（Ａ）のタイプの入力であるため、両者を組み合わせることで平均的な演算量を抑制する。一般的には（Ａ）よりも（Ｂ）の方が短い入力である場合が多い。このため、スコアしきい値における候補数の他、入力の長さも上記判別を行う基準とすることができる。
　なお上記説明において、入力手段201はユーザのテキスト入力を取得することとしたが、大語彙認識辞書103を参照して、音声入力を認識してテキストで出力しても同様である。
　以上のように、この実施の形態１によれば、候補のスコア分布、候補数に基づいて絞り込み方法を制御する。このため、妥当性の高い候補が少ない場合は、対象を限定して絞り込みを行い、演算時間を短くできる。また、妥当性の高い候補が多い場合は、検索履歴の入力文字列を参照し、範囲を広げた検索を行う。このため、小さい検索履歴サイズであっても、漏れが生じず、平均的な演算時間が短い検索が実現される。
　実施の形態２．
　図９は、この発明の実施の形態２に係る検索装置の構成を示す機能ブロック図である。実施の形態２に係る検索装置は、実施の形態１の検索装置に絞り込み用認識辞書生成手段302が追加して設けられている。また、入力は音声であることを想定している。以下、実施の形態１と同一の構成には図２で使用した符号と同一の符号を付し、説明を省略または簡略化する。
　大語彙認識辞書103は、検索対象の名称情報に対するユーザの検索表現を認識するために事前に作成された音声認識用の辞書である。一般に音声認識では、音声認識辞書によって次に来る単語が限定可能である程、高い認識率が期待できる。以下の説明では、認識辞書の例として大語彙音声認識で広く用いられるN-GRAM言語モデル（N=2）に基づく認識辞書について説明する。
　N-gram言語モデルは、直前のN-1単語に基づいて次に来る単語の確率を推定するモデルである。N=2の場合は、直前の単語から次の単語を予測し、バイグラムと呼ばれる。バイグラム言語モデルは、認識辞書を構成する任意の2単語w1とw2の連接確率P(w2|w1)に基づいて、認識中の単語から次に来る単語を予測する。図１０は、認識対象の単語w1、w2の連接確率P(w2|w1)を表す図である。図中、単語STARTとENDは、文頭、文末を表す擬似的な単語である。連接確率P(w2|w1)は、実際の発声内容や検索対象の名称等の学習データ中の出現頻度に基づいて算出する。ただし、学習データ量には限りがあり、例えば5000単語に対する2千5百万のバイグラム（5000の2乗）の膨大な組合せがある。
　このため、連接する可能性があるにもかかわらず、学習データ中に未出現となる連接可能性のある単語列が生じうる。この場合、確率を0とすると、該当する単語列を全く認識できなくなってしまう。そこで、未出現の単語の組み合わせに対しても小さな確率を割り当てる言語モデルのスムージングが用いられる。例えば、図１０中の「START・コウエン」という単語の組み合わせは、学習データに存在せず、小さい確率が割り当てられている例である。
　入力部10の一実施形態である音声入力手段301は、ユーザの音声入力を受理し、認識辞書を参照して音声認識して文字列を出力する。認識辞書は、想定するユーザの発話を限定することで認識率を高くする効果がある。上記絞り込み用認識辞書生成手段302が認識辞書を出力した場合、その認識辞書を参照し、そうでない場合は事前に作成したユーザの多様な検索表現をカバーする大語彙認識辞書103を参照する。
　認識辞書を用いた、一般的な音声認識方法は、非特許文献4および非特許文献5に詳しく説明されている。
　非特許文献4：「音声認識の基礎（上）（下）」、Lawrence Rabiner， Biing-Hwang Juang共著、古井貞煕監訳、NTTアドバンステクノロジ株式会社
　非特許文献5：「SPOKEN LANGUAGE PROCESSING -A guide to Theory, Algorithm and System Development-」、Xuedong Huang, Alex Acero, Hsiao-Wuen Hon共著、Prentice Hall.
　絞り込み方式選択手段203は、絞り込み入力が生じた際、検索履歴格納手段202に格納された検索履歴に基づいた絞り込み方法に応じて、絞り込み用認識辞書を生成するかどうか決定する。
　絞り込み用認識辞書生成手段302は、絞り込み方式選択手段203が選択した絞り込み方法が検索履歴格納手段202に格納された候補内に限定している場合、対象となっている名称IDと対応する名称情報を取得し、名称情報101から絞り込み用の辞書を生成する。
　図１１は、図３に示した３個の名称および構成する単語を認識する絞り込み用認識辞書の例である。音声認識対象は、「START」で示されたノードから「END」で示されたノードへの経路である。途中、通過するカタカナで記載されたノードは、音声認識の単位を表す。図中、単語を単位としてスキップする経路が設定されており、部分的な表現が受理可能となっている。また、「カワサキ」と「ヨコハマ」で共通する音節、末尾の「コウエン」はマージされて、ネットワークのサイズを小型化している。
　上記に示したネットワークで表現された認識辞書は、絞り込み対象に関する発話のみ認識するように作成できる。このため、全ての検索対象を想定し、多様な表現を受理する大語彙音声認識辞書103と比べて非常にコンパクトとなり、絞込み対象に対する認識率が高くなる。ただし、辞書の作成には、対象とする名称の数に応じた演算量が必要となるため、絞り込み対象が多い場合、短時間で辞書を生成することが困難である。
　次に、この発明の実施の形態２に係る検索装置の動作を説明する。図１２は、実施の形態２に係る検索装置の検索処理動作を示すフローチャートである。図中の記号h、S[i]（i=1..h）の意味は図７と同様である。
　絞り込み用認識辞書生成手段302は、検索履歴格納手段202および絞り込み方式選択手段203の状態を参照し、絞り込みかつ検索履歴格納手段202が保持する候補内限定処理となっているかどうか確認する（ステップS2001）。
　絞り込みかつ検索履歴格納手段202が保持する候補内限定の場合、絞り込み用認識辞書生成手段302は、名称情報辞書101、検索履歴格納手段202を参照し、対象となる候補で出現しうる表現を受理可能な認識辞書を生成し、音声入力手段301の認識辞書とする（ステップS2002）。
　そうでない場合、音声入力手段301は、大語彙音声認識辞書103を読み込む（ステップS2003）。
　音声入力手段301は、設定された認識辞書に基づいてユーザの発話を音声認識し、認識結果文字列を取得し、その文字列を候補スコア更新手段204に出力して、検索要求をする（ステップS2004）。
　候補スコア更新手段204は、検索要求に対して、まず検索履歴格納手段202に検索履歴があるか（履歴数hが1以上か）確認する（ステップS2005）。履歴数が0の場合、集計用テーブルの全ての候補について検索対象の集計フラグをセットし、スコアを0にクリアして、ステップS2012へ進む。
　履歴数が1以上の場合、絞り込み方式選択手段203は、検索履歴格納手段202に格納される合計の入力文字列の長さ、最終履歴の候補数、最終履歴の候補スコア分布の少なくとも一つを参照し、（１）過去入力に基づいて再検索する：集計用テーブルのスコア再算出、（２）検索対象を上位の候補に限定する：検索履歴格納手段202が保持する候補内に限定、から込み方法を選択する（ステップS2006）。スコア再算出の場合ステップS2007、検索履歴格納手段202が保持する候補内に限定する場合ステップS2010へ進む。
　スコア再算出が選択された場合、集計用テーブルの全ての候補について集計フラグをセットし、検索履歴格納手段202に格納された過去の検索履歴を参照してスコアを再算出する。まず、参照する履歴番号iを1にセットする（ステップS2007）。
　次に、候補スコア更新手段204は、履歴情報S[i]に含まれる入力文字列から検索用索引の部分文字列索引を読み出し、候補ごとのスコアを加算する（ステップS2008）。
　参照履歴iが履歴数hより小さければ、iを1加算し、ステップS2008に戻る。そうでなければステップS2011に進む（ステップS2009）。この結果、集計用テーブルの全ての履歴を考慮したスコアが候補の名称IDに付与される。
　保持する候補内に限定する場合、候補スコア更新手段204は、最新の検索履歴S[h]に保持された名称IDの集計フラグをセットし、スコアを更新する（ステップS2010）。
　候補スコア更新手段204は、入力手段301から取得した文字列に対応する検索用索引を参照するための部分文字列を取得し、検索用索引102を参照して部分文字列に基づくスコアを加算する（ステップS2011）。
　候補決定手段205は、候補スコア更新手段204で取得したスコアが所定の値を超えた候補からユーザに提示する所定の数以下の提示用名称IDおよびそのスコアを集計用テーブルから抽出し、提示候補を確定する（ステップS2012）。
　検索履歴格納手段202は、候補決定手段205で抽出された入力文字列と、提示候補の名称ID、スコアを格納する（ステップS2013）。
　候補提示手段206は、名称情報辞書101を参照し、候補決定手段205で抽出された提示する名称IDに対応する名称等の提示内容を取得し、ユーザへ提示する（ステップS1014）。
　以上のように、この実施の形態２によれば、候補数を考慮した検索履歴に応じて絞り込み辞書を生成する。このため、対象が限定されている場合に限り、限定された名称を対象とする認識辞書を動的に生成することで、大きな処理時間を要することなく、認識精度を改善する。候補数が多数の場合は、認識辞書生成に時間を要する一方で、絞り込み候補に限定する効果が相対的に小さくなるため、絞り込み用の認識辞書を生成しない。
　実施の形態３．
　図１３は、この発明の実施の形態３に係る検索装置の構成を示す機能ブロック図である。実施の形態３に係る検索装置は、実施の形態２の検索装置に絞り込み用認識辞書適応化手段401を追加して設けている。以下、実施の形態２と同一の構成には図９で使用した符号と同一の符号を付し、説明を省略または簡略化する。
　音声入力手段301は、ユーザの音声入力を受理し、認識辞書を参照して音声認識して文字列を出力する。認識辞書は、検索履歴が無い場合は、大語彙認識辞書103を参照する。検索履歴がある場合、絞り込み方式選択手段203に基づいて、絞り込み用認識辞書生成手段301または絞り込み用認識辞書適応化手段401の何れか一方から出力される認識辞書を参照する。
　絞り込み用認識辞書適応化手段401は、絞り込み方式選択手段203の指示により、検索履歴の入力文字列を参照し、大語彙認識辞書103 の与える単語または単語列の確率を絞り込み用に適応化する。具体的には、認識辞書がバイグラム言語モデルの場合、検索履歴に格納された最後の音声認識結果の入力に後続する表現の出現確率を高くする。例えば、図１０に示したバイグラムにおいて、直前発話が「カワサキ」である場合、(w1，w2)＝（カワサキ，コウエン)の確率は、0.2である。絞込み時には、直前発話に後続する単語が出現しやすいことを考慮し、「カワサキ」をSTARTに置き換えた（w1，w2）＝（START，コウエン）の確率を上げる。この結果、多様な表現を受理可能な大語彙認識辞書103を用いた場合よりも絞り込み発話に対して高い認識率が得られる。
　上記に示した適応化は、検索履歴格納手段202に保持された検索履歴の文字列によって構築済みの大語彙認識辞書の確率の一部を修正するものである。このため、絞り込みによる精度改善の効果は、辞書再作成よりも小さいものの、検索結果の候補数によらず、一定の演算量による適応化が可能である。
　図１４は、実施の形態３に係る検索装置の検索処理動作を示すフローチャートである。図中の記号h、S[i]（i=1..h）の意味は図１２と同様である。
　絞り込み用認識辞書生成手段302は、検索履歴格納手段202および絞り込み方式選択手段203の状態を参照し、絞り込みかつ候補内限定処理となっているかどうか確認する（ステップS3001）。
　絞り込みかつ候補内限定の場合、絞り込み用認識辞書生成手段302は、名称情報辞書101、検索履歴格納手段202を参照し、対象となる候補で出現しうる表現を受理可能な認識辞書を生成し、音声認識手段301の認識辞書とする（ステップS3002）。
　そうでない場合、絞り込み用認識辞書適応化手段401は、大語彙認識辞書103を読み込み、検索履歴に記載された文字列に基づいて認識辞書の単語連鎖確率を絞り込み用に適応化し、音声入力手段301の適応化認識辞書とする（ステップS3003）。
　音声入力手段301は、設定された認識辞書に基づいてユーザの発話を音声認識し、認識結果文字列を取得する（ステップS3004）。
　候補スコア更新手段204は、検索要求に対して、まず検索履歴格納手段202に入力履歴があるか（履歴数hが1以上か）確認する（ステップS3005）。履歴数が0の場合、全ての候補について検索対象の集計フラグをセットし、スコアを0にクリアして、ステップS3012へ進む。
　履歴数が1以上の場合、絞り込み方式選択手段203は、入力履歴に格納される合計の入力文字列の長さ、最終履歴の候補数、最終履歴の候補スコア分布の少なくとも一つを参照し、（１）過去入力に基づいて再検索する：集計用テーブルのスコア再算出、（２）検索対象を上位の候補に限定する：検索履歴格納手段202が保持する候補内に限定、から込み方法を選択する（ステップS3006）。スコア再算出の場合ステップS3007、保持する候補内に限定する場合ステップS3010へ進む。
　スコア再算出が選択された場合、集計用テーブルの全ての候補について集計フラグをセットし、過去履歴を参照してスコアを再算出する。まず、参照する履歴番号iを1にセットする（ステップS3007）。
　次に、候補スコア更新手段204は、履歴情報S[i]に含まれる入力文字列から部分文字列索引を読み出し、候補ごとのスコアを加算する（ステップS3008）。
　参照履歴iが履歴数hより小さければ、iを1加算し、ステップS3008に戻る。そうでなければステップS3011に進む（ステップS3009）。この結果、集計用テーブルの全ての履歴を考慮したスコアが候補の名称IDに付与される。
　保持する候補内に限定する場合、候補スコア更新手段204は、最新の検索履歴S[h]に保持された名称IDの集計フラグをセットし、スコアを更新する（ステップS3010）。
　候補スコア更新手段204は、入力手段201から取得した文字列に対応する検索用索引を参照するための部分文字列を取得し、検索用索引101を参照して部分文字列に基づくスコアを加算する（ステップS3011）。
　候補決定手段205は、候補スコア更新手段204で取得したスコアが所定の値を超えた候補からユーザに提示する所定の数以下の提示用名称IDおよびそのスコアを集計用テーブルから抽出し、提示候補を確定する（ステップS3012）。
　検索履歴格納手段202は、候補決定手段205が抽出した入力文字列と、提示候補の名称ID、スコアを格納する（ステップS3013）。
　候補提示手段206は、名称情報辞書102を参照し、候補決定手段205が確定した提示する名称IDに対応する名称等の提示内容を取得し、ユーザへ提示する（ステップS1014）。
　以上のように、この実施の形態３によれば、候補数が少数の場合は、対象候補に限定した絞り込み用の音声認識辞書を生成し、候補数が多数の場合は、大語彙認識辞書103を検索履歴の入力に基づいて適応化する。絞り込み対象に合わせた絞り込み用の認識辞書を使用するため、大量の処理時間を要することなく、大語彙認識辞書を参照する場合と比べて認識精度を改善する。
　この発明による検索装置は文章や施設名称の検索装置に適用され、特に他の装置に組み込まれる比較的に規模の小さい検索装置に対し好適で利用される可能性がある。

Claims (3)

  1. 　ユーザ入力を受理し、検索要求を出力する入力手段と、
    　入力手段からの入力内容および候補リストを含む検索履歴を格納する検索履歴格納手段と、
    　検索要求により検索履歴格納手段に格納される検索履歴の内容に応じて、検索対象を上位の候補に限定する方式と、過去入力に基づいて再検索する方式の2方式から絞り込み方法を選択する絞り込み方式選択手段と、
    　選択した絞り込み方式に基づいて検索履歴から検索候補とそのスコアを設定し、入力手段より受理した文字列に基づき検索用索引を参照に候補スコアを更新する候補スコア更新手段と、
    　候補スコア更新手段により更新された候補数とスコアの分布に基づいて提示する候補を決定する候補決定手段と、
    　候補決定手段で決定された候補を名称情報データを参照してユーザに提示する候補提示手段からなる検索装置。
  2. 　音声認識用の大語彙認識辞書と、
    　前記絞り込み方式選択手段が上位の候補に限定する方式を選択した場合に、対象候補の名称情報に基づいて絞り込み用認識辞書を生成する絞り込み用認識辞書生成手段を備え、
    　前記入力手段は音声を入力して、前記絞り込み方式選択手段が上位の候補に限定する方式を選択した場合は、絞り込み用認識辞書を用い、他の場合は大語彙認識辞書を用いて音声認識を行いテキストを出力する構成にされた請求項１記載の検索装置。
  3. 　前記絞り込み方式選択手段が過去入力に基づく再検索が選択された場合に、検索履歴に基づいて大語彙認識辞書を、想定される絞り込み発話へ適応させるように修正して、適応化認識辞書とする絞り込み用認識辞書適応化手段を備え、
    　前記入力手段は音声を入力して、絞り込み方式選択手段に従い絞り込み用認識辞書または適応化認識辞書を読み込み、音声を認識してテキストを出力する構成にされた請求項２記載の検索装置。
PCT/JP2010/051874 2009-04-06 2010-02-09 検索装置 WO2010116785A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP10761487A EP2418589A4 (en) 2009-04-06 2010-02-09 SEARCH DEVICE
JP2011508269A JP5300974B2 (ja) 2009-04-06 2010-02-09 検索装置
US13/255,517 US20110320464A1 (en) 2009-04-06 2010-02-09 Retrieval device
CN201080015020.6A CN102365639B (zh) 2009-04-06 2010-02-09 检索装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009092138 2009-04-06
JP2009-092138 2009-04-06

Publications (1)

Publication Number Publication Date
WO2010116785A1 true WO2010116785A1 (ja) 2010-10-14

Family

ID=42936074

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/051874 WO2010116785A1 (ja) 2009-04-06 2010-02-09 検索装置

Country Status (5)

Country Link
US (1) US20110320464A1 (ja)
EP (1) EP2418589A4 (ja)
JP (1) JP5300974B2 (ja)
CN (1) CN102365639B (ja)
WO (1) WO2010116785A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5083367B2 (ja) * 2010-04-27 2012-11-28 カシオ計算機株式会社 検索装置、検索方法、ならびに、コンピュータプログラム
US8805828B1 (en) * 2012-01-13 2014-08-12 Google Inc. Providing information regarding prior searches
US8918408B2 (en) * 2012-08-24 2014-12-23 Microsoft Corporation Candidate generation for predictive input using input history
CN103077718B (zh) * 2013-01-09 2015-11-25 华为终端有限公司 语音处理方法、系统和终端
JP6064629B2 (ja) * 2013-01-30 2017-01-25 富士通株式会社 音声入出力データベース検索方法、プログラム、及び装置
JP5951105B2 (ja) * 2013-03-04 2016-07-13 三菱電機株式会社 検索装置
JP2014229272A (ja) * 2013-05-27 2014-12-08 株式会社東芝 電子機器
US10452695B2 (en) * 2017-09-22 2019-10-22 Oracle International Corporation Context-based virtual assistant implementation
CN107731229B (zh) * 2017-09-29 2021-06-08 百度在线网络技术（北京）有限公司 用于识别语音的方法和装置
CN109840062B (zh) * 2017-11-28 2022-10-28 株式会社东芝 输入辅助装置以及记录介质
CN111274265B (zh) * 2020-01-19 2023-09-19 支付宝(杭州)信息技术有限公司 基于多种检索方式融合检索的方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02189680A (ja) * 1989-01-18 1990-07-25 Nec Corp 情報検索方式
JPH0528190A (ja) * 1991-07-19 1993-02-05 Hitachi Ltd 情報検索用端末装置
JP2001282285A (ja) * 2000-03-31 2001-10-12 Matsushita Electric Ind Co Ltd 音声認識方法及び音声認識装置、並びにそれを用いた番組指定装置
JP2001357064A (ja) * 2001-04-09 2001-12-26 Toshiba Corp 情報共有支援システム
JP3665112B2 (ja) 1995-09-26 2005-06-29 新日鉄ソリューションズ株式会社 文字列検索方法及び装置
JP2008262279A (ja) 2007-04-10 2008-10-30 Mitsubishi Electric Corp 音声検索装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5835667A (en) * 1994-10-14 1998-11-10 Carnegie Mellon University Method and apparatus for creating a searchable digital video library and a system and method of using such a library
US6757718B1 (en) * 1999-01-05 2004-06-29 Sri International Mobile navigation of network-based electronic information using spoken input
DE102005030967B4 (de) * 2005-06-30 2007-08-09 Daimlerchrysler Ag Verfahren und Vorrichtung zur Interaktion mit einem Spracherkennungssystem zur Auswahl von Elementen aus Listen
US20090287626A1 (en) * 2008-05-14 2009-11-19 Microsoft Corporation Multi-modal query generation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02189680A (ja) * 1989-01-18 1990-07-25 Nec Corp 情報検索方式
JPH0528190A (ja) * 1991-07-19 1993-02-05 Hitachi Ltd 情報検索用端末装置
JP3134204B2 (ja) 1991-07-19 2001-02-13 株式会社日立製作所 情報検索用端末装置及び情報検索用端末装置における情報表示・入出力方法
JP3665112B2 (ja) 1995-09-26 2005-06-29 新日鉄ソリューションズ株式会社 文字列検索方法及び装置
JP2001282285A (ja) * 2000-03-31 2001-10-12 Matsushita Electric Ind Co Ltd 音声認識方法及び音声認識装置、並びにそれを用いた番組指定装置
JP2001357064A (ja) * 2001-04-09 2001-12-26 Toshiba Corp 情報共有支援システム
JP2008262279A (ja) 2007-04-10 2008-10-30 Mitsubishi Electric Corp 音声検索装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LAWRENCE RABINER, BIING-HWANG JUANG, FUNDAMENTALS OF SPEECH RECOGNITION (VOL. 1 & 2, vol. 1, 2
See also references of EP2418589A4
XUEDONG HUANG, ALEX ACERO, HSIAO-WUEN HON: "SPOKEN LANGUAGE PROCESSING -A guide to Theory, Algorithm and System Development", PRENTICE HALL

Also Published As

Publication number Publication date
CN102365639B (zh) 2014-11-26
US20110320464A1 (en) 2011-12-29
CN102365639A (zh) 2012-02-29
JPWO2010116785A1 (ja) 2012-10-18
JP5300974B2 (ja) 2013-09-25
EP2418589A4 (en) 2012-09-12
EP2418589A1 (en) 2012-02-15

Similar Documents

Publication Publication Date Title
JP5300974B2 (ja) 検索装置
US8380505B2 (en) System for recognizing speech for searching a database
US9418152B2 (en) System and method for flexible speech to text search mechanism
JP4705023B2 (ja) 音声認識装置、音声認識方法、及びプログラム
JP5089955B2 (ja) 音声対話装置
KR101309042B1 (ko) 다중 도메인 음성 대화 장치 및 이를 이용한 다중 도메인 음성 대화 방법
US6823493B2 (en) Word recognition consistency check and error correction system and method
US20120179694A1 (en) Method and system for enhancing a search request
JP2004005600A (ja) データベースに格納された文書をインデックス付け及び検索する方法及びシステム
JP2001249684A (ja) 音声認識装置および音声認識方法、並びに記録媒体
JP2004133880A (ja) インデックス付き文書のデータベースとで使用される音声認識器のための動的語彙を構成する方法
Parlak et al. Performance analysis and improvement of Turkish broadcast news retrieval
BRPI0613699A2 (pt) busca de dicionário para dispositivos móveis que usa reconhecimento de escrita
Bazzi et al. A multi-class approach for modelling out-of-vocabulary words
Moyal et al. Phonetic search methods for large speech databases
Wang Experiments in syllable-based retrieval of broadcast news speech in Mandarin Chinese
JP2013125144A (ja) 音声認識装置およびそのプログラム
Palmer et al. Improving out-of-vocabulary name resolution
JP5590549B2 (ja) 音声検索装置および音声検索方法
Seide et al. Towards an automated directory information system.
JP6126965B2 (ja) 発話生成装置、方法、及びプログラム
KR20040018008A (ko) 품사 태깅 장치 및 태깅 방법
JP2004309928A (ja) 音声認識装置、電子辞書装置、音声認識方法、検索方法、及びプログラム
JP3894419B2 (ja) 音声認識装置、並びにこれらの方法、これらのプログラムを記録したコンピュータ読み取り可能な記録媒体
JP2012059126A (ja) 検索装置

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080015020.6

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10761487

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2011508269

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 13255517

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2010761487

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE