JPH03180899A - 音声認識方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、連続発声された文音声を主な認識対象とする
場合の音声認識方法に関する。

従来の技術 従来、文音声を認識する手法に関しては、種々の方法が
提案されている。

日本語文を認識対象とした場合のその中の１つの典型的
な方法は、まず入力音声のどの部分区間がどの文節に該
当するかを全音声区間について推定して文節候補の集合
を作成しておき、その文節候補の集合より、時間的な位
置関係と文法や意味などの言語的な制約（一般に文節間
の掛り受は規則を指す場合が多い）を満足する一連の系
列をなす文節からなる部分集合を、認識結果として推定
する方法である。

時間的な位置情報を伴った文節の候補の集合のことを、
「文節ラティス」と呼ぶことにすると、「文節ラティス
」から得られる上記諸制約を同時に満たす文節の系列は
、一般には複数個存在するが、推定の妥当性を評価する
尺度（例えば確率論的解釈によって導かれる尺度（後述
する）をあらかじめ用意しておき、その評価値にしたが
って、文節候補の順位付けをし、１位の候補を認識結果
として採択することがよく行なわれる。

ところで、以上述べた方法を実現するためには・以下の
具体的課題を明確にする必要がある。

（１）文節ラティスから最終結果を得る具体的な方法。

（２）音声信号から文節ラティスを作成する方法。

（３）利用する文法の種類。

本発明で取り扱う内容である（１）としては、従来、「
文節ラティス」を構成する全ての文節について総当たり
的に時間的位置関係及び言語的制約のチエツクを行なう
方法や、文頭から文末の方向へグラフ理論の分野におけ
る木探索又は経路探索の方法を用いて、文頭より文末の
方向にしたがって上記言語的制約のチエツクを文節候補
に適用する手法などが知られている（例えば１９７９年
刊、新美著「音声認識」共立出版発行）。

しかし、前者は演算効率の点で、後者は日本語の言語構
造、即ち「係り受け」における「係り」に相当する文節
が「受け」に相当する文節より前に位置するという日本
語特有の言語構造に対する整合性の面でそれぞれ問題が
あり、日本語文音声認識の実現に際し、必ずしも満足の
いく結果を得るには至っていなかった。

これを解決するため、本発明者により、上記探索の方法
に関し、文末から文頭の方向で、文節間の係り受は構造
規則の制約条件のもとて探索を行ない文節候補の系列を
得る方法が提案されている。

つまり、この方法は、日本語の言語構造に適しかつ効率
が良いという特長を有している。

即ち、第３図はこの方法の文音声認識システムを示し、
音素認識部１は入力された音声信号より音素認識を行な
い音素系列を出力する手段を有している。得られた音素
系列は完全に正しいことは保証されず、話者や周囲雑音
あるいは音素認識装置自体の性能に起因するある確率で
誤りを含む。

そのため、従来の文字入力を対象とした自然言語処理技
術による構文解析や意味解析の手法をそのまま適用する
ことはできず、文音声認識特有の処理方法が必要となる
。

文節ラティス作成部２は誤りを含む認識音素系列の中の
どの部分がどの文節に該当する可能性が高いかを推定し
て文節候補を得る機能を持つ。推定された文節は始端及
び終端に関する時間的位置情報並びに推定の妥当性に関
する情報を伴う。文節推定の妥当性は、例えば音素の置
換、付加、脱落の各誤り率から得られる音素間のコンツ
ー−ジョンマトリクスから導かれる尤度などで与えられ
る。ここでは、文節候補は文頭から文末に至る全範囲に
わたって推定の妥当性が所定の値を越えるものが、全て
得られるものとする。

意味解析部３では、位置関係による制約及び言語的な制
約にしたがって「文節ラティス」の中の文節候補を連接
していく操作により、最終的な結果である文節の系列を
得る。言語的制約を決定する文法（ルール）としては、
例えばＦｉｌｌｍｏｒｅによる格文法（後述）や、５ｃ
ｈａｎｋによる概念依存文法などが考えられる。

第４図に連続発声による例文「新大阪まで切符を３枚下
さい。」を入力した時の音素認識結果例及び「文節ラテ
ィス」の例を示す。図中、「文節ラティス」においてア
／ダーラインが施されている文節が正解の文節である。

また、この例では言語的制約のチエツクに、格文法を用
いているので、格文法について簡単ｔｇ説明をしておく
。

格文法は述語と他の語句とがどのような関係で共存しつ
るかを記述する文法である。即ち、文における主語、述
語、目的語、補語といった役割で考えるのではなく、述
語にとって意味の上から各単語がどのような立場に立つ
かを考えろ方法による文の解析手段である。格文法は上
述のように、構文解析よりも意味解析に重点をおいてい
るため、（日本語）文音声認識への応用を考えた場合、
以下に示すような利点がある。

（１）単語間の意味的な共起関係を利用した単語候補の
絞り込みを導入しやすい。

（２）語順に対する自由度が大きいため、日本語を取り
扱い易い。

（３）結果が意味の形で得られるので対話システムなど
への組み込みが容易である。

第６図には、この格文法による意味解析結果の−例を示
してあり、−行目の（ＭＯＤＥ　ＭＥＩＩＩＥＩ）はこ
の文が命令文であることを表わしている。また２行目（
７）（ＡＣＴ　ＫＩＪＤＡＳＡＲＵ）は述語が「下さる
」という行為を意味していることを表わしている。また
、３行目の（ＯＢＪＥＣＴ　ＫＩＰＰＵ）以下は、述語
「下さる」という行為の内容の詳細を説明するための機
能を持つ句または節に関する記述である。即ち、行為「
下さる」の対象物は「切符」であり、その枚数は「３枚
」であり、行き先は「新大阪」であることを表わしてい
る。

格文法では、各動詞について、それを意味的な詳細を説
明することが可能な項目を用意しておき、文中の各単語
を該当する項目に順次にあてはめていく操作により意味
解析が進められる。この各動詞ごとに存在する項目のこ
とを、「充填のための溝」という意味で「格スロット」
と呼ぶ。また文中の各単語を踪当する項目に順次当ては
めていく操作のことを、「スロットを埋める操作」とい
う意味で「スロットフィリング」と呼ぶ。本明細書でも
、以後、これらの用語を使用することにする。

上記言語的制約のチエツクとは、後述する本発明の実施
例においては、「スロットフィリング」が取立するか否
かのチエツクのことを示す。

なお、本発明で取り扱う言語処理系においては、以上に
説明した文節間の格関係のみならず、「赤い花」の例の
ような連体修飾関係や、「美しく咲く」のような連用修
飾関係、あるいは「切符を買って、京都へ行く」のよう
な接続関係も格文法における「スロットフィリング」と
同じ概念で取り扱う。いい換えると、本発明では、活用
語のみならず、被修飾語にもスロットを持たせて係り受
は関係を解析する枠組みとなっている。

「文節ラティス」の文節候補の連結処理は、文末に位置
するあらかじめ定められた個数の文節候補群を起点にし
て、文頭方向に向けて段階的に行なう。

発明が解決しようとする課題 ところで、上述の従来の方法の場合は、音声信号から「
文節ラティス」を作成する段階で、意味解析に不要な文
節候補も検出されるため、認識処理の効率低下を招くと
いう課題があった。

本発明は、このような従来の課題に鑑み、なされたもの
で・その目的とするところは、従来別個の処理として行
なわれていた「文節ラティス」作成の処理と意味解析の
処理を統合し、新たに文節の検出と意味解析の処理と同
時進行的に行なう手段を設けることにより無駄な文節候
補の検出を回避し、効率の良い分解析機構の実現を図る
ことが可能に音声認識方法を得ることにある。

課題を解決するための手段 上記目的を達成するため、本発明の音声認識方法は、音
声信号から文節候補の区間情報と信頼度情報を検出する
文節検出手段と、文節検出手段より得られた文節候補の
中の文節候補間の位置関係に関する制約条件及び文法あ
るいは意味などの言語的な制約条件を調べる意味解析手
段と、文節間の制約条件を満たす文節の系列として文節
候補を接続することにより作成される文節系列を格納す
る文節系列格納手段とを備え、文節系列格納手段に格納
されている解析途中の文節系列の端点の情報をもとに、
必要な区間のみの文節候補を上記文節検出手段により検
出することにより文解析処理を進めることを提案するも
のである。

作用 上記音声認識方法により、以下の作用にしたがって効率
良く、更に認識精度の高い日本語文音声の認識を実現す
るようになる。

（１）文節候補を段階的に採択することにより複数個の
文節系列を同時進行的に作成しながら解析処理を行なう
ことができる。

（２）　　（１）の処理の段階で文節間の「係り受け］
解析を完了できる。

（３）解析の途中過程で文節系列の推定妥当性の値が一
定の評価基準に達しない文節系列については以降の処理
を打ち切ることができる。

（４）文末側から文頭側への方向に解析処理を進め、文
節推定妥当性及び言語的な制約条件による制御によって
探索を行なうことができる。

実施例 以下、第１図について本発明の実施例の詳細な説明する
。

第１図は本発明による文音声認識システムの概念であり
、音素認識部１０は入力された音声信号より音素認識を
行ない音素系列を出力する手段であり、音素系列は誤認
識によりある確率で誤りを含んでいる。

図中点線の意味表現出力部１１は、文節検出部１２、意
味解析部１３、文節系列格納部１４、文節検出開始条件
作成部１６から構成され、誤りを含む音素系列から認識
結果である意味表現を得る機能を有する。そして、上記
意味表現出力部１１の各構成要素により従来の「文節ラ
ティス」を求めろ際に生じていた、意味解析に不必要へ
文節候補の検出を回避し、効率の良い文解析処理を実現
するようになっている。

次いで、同構成の文音声認識システムの動作について説
明する。文節検出部１２では、後述の文節系列格納部１
４及び文節検出開始条件作成部１６とから作成される文
節系列開始条件の情報の中の、検出開始位置の情報と検
出開始時点近傍の音素情報を参照することにより、必要
な区間のみについての文節候補の検出を行なう。次の意
味解析部１３では、得られた文節候補と、文節系列格納
部１４に格納されている現解析時点までに蓄積されてい
る文節系列群の要素との、言語的及び位置的な連接可能
性を調べ、もし連結が可能ならば、上記文節系列群の要
素に上記文節候補を接続し、新たな文節系列として文節
系列格納部１４に格納する。これと同虹、「係り受け」
解析結果である意味表現も文節系列格納部１４に格納す
る。また、文節検出開始条件作成部１６は、上記文節検
出部１２が必要としている文節検出開始位置の情報と、
文節検出位置近傍の音素の情報とを文節系列格納部１４
かも作成する機能を持つ。

以上の操作は、入力音声の始端もしくは終端のいずれか
の端点位置に端点を持つ文節候補から開始され、他方の
端点位置に端点を持つ文節候補に関する解析が終了する
まで続けられる。処理が終了した時点で、上記文節系列
の妥当性の評価値が第１位の文節系列を認識結果とし、
併せて第４図において既に示した形の意味表現を意味解
析結果として得られることになる。

第１図の構成で実現される文認識機能を実現するアルゴ
リズムの例を第２図に示す。第２図に示す例では、解析
処理を文末から文頭方向へ進める場合について説明して
いるが、用語「文末」を「文頭」に、「文頭」を「文末
」に読み替えることにより、文頭から文末方向へ解析処
理を進めることももちろん可能である。説明の準備のた
め、第２図で用いる用語及び記号の定義を行なう。

用語の定義； ［定義１］ 「文節候補すが文末条件を満たす」とは、文節すが文法
的にも位置的にも文末に存在可能であることを言う。

［定義２］ 「文節候補すが文頭条件を満たす」とは、文節すが文法
的にも位置的にも文頭に存在可能であることを言う。

［定義３］ 「文節候補すが文節系列Ｂに左連接可能である」とは、
文節系列Ｂの左端に文節すを文法的に接続することが可
能であることを言う。

記号の定義； （Ｂｎ）：文節数ｎの・文節系列の集合（Ｆ）　：文候
補の集合 （ｂ）　二文節候補の集合 ［］：［］の中の演算を優先する ｂｌｅｉｌ　　：文末条件［定義１］を満たす文節候補
ｂｅａｍ　（Ｂ、　　）　　　：　（Ｂ、　　ｌの要素
で枝刈りの対象になら々かった（残っ た）文節系列の集合 ｈｅａｄ　（Ｂ、　　ｌ　　　：　（Ｂ、　　）の要素
で文頭条件［定義２コを満たす文節系 列の集合 ａｄｊＩｅ（ｔ　（Ｂ、　　）　　：少なくとも（Ｂ、
）の１個の要素に左連接可能［定義 ３］な文節候補の集合 （ｂｌ［有］（Ｂ、ｌ：（ｂｌと（Ｂ、）の直積集合の
中の連接条件を満たす 要素について文節候補と文 部系列を連接して作成した 文節系列の候補の集合 ｌＪ：和集合演算 第２図に示したアルゴリズムでは、文節数がｎ−１（ｎ
≧１）の文節系列に１個の文節を接続して文節数Ｎの文
節系列を作成する処理を１つの単位としている。この１
つの単位の処理を図中では「第ｎ文節の処理」と表現し
、ｎ　＝　１から図中に示しである終了条件が満たされ
るまでこの処理を繰り返す。

次に、第１図に示した本発明の実施例と第２図に示した
本発明によるアルゴリズムとの関連について説明すると
、第２図中の文節の集合（Ｎは第１図中の「文節検出」
によって行なわれる。文節の集合［ｂｌの検出は第２図
の文末の文節候補ｂ　ｊａｉｌおよび文節系列と文節候
補の隣接条件を表現する記号ａｄｊｌｅｆｔの機能は、
ｉ１１図中の「文節検出開始条件作成」の出力する文節
検出開始条件及び「意味解析」によって実現される。即
ち、文節系列と文節候補の間の位置的な隣接関係は「文
節検出開始条件」により、また意味的な隣接関係は「意
味解析」により、文節系列と文節候補との境界に関する
条件として決定される。また第２図中の記号１１ｎで表
現される第ｎ文節を採択した直後の時点における文節系
列は第１図中の「文節系列格納」の中に格納され、次の
段階の処理即ち第ｎ　−１文節採択の処理を行なうため
の文節候補採択条件として利用される。

以上、本発明の実施例について述べたが、本発明はこれ
に必ずしも限定されるものではない。即ち、例えば、対
話のよった語句の省略を伴う音声や、文節ごとに区切ら
れて発声された文音声なども、本発明の認識対象に含ま
れる。

発明の効果 以上述べてきたように、本発明によれば、従来別個の処
理として行なわれていた「文節ラティス」作成の処理と
意味解析の処理を統合し、新たに文節の検出と意味解析
の処理と同時進行的に行なうことにより、従来の方式に
おける無駄な文節候補の検出を回避し、効率の良い文解
析機構を実現することが可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例における文音声認識システム
の機能ブロック図、第２図は、本発明を文音声認識シス
テムに適用した場合のアルゴリズムの一例を示す図、第
３図は従来の文音声認識システムの典型的な構成例を示
した機能ブロック図、第４図は文音声に対する音素認識
結果と「文節ラティス」の例を示した図、第６図はその
意味解析結果を示す図である。 １２・・・文節検出部、１３・・・意味解析部、１４・
・・文節系列格納部。

Claims (1)

【特許請求の範囲】
1. 音声信号から文節候補の区間情報と信頼度情報を検出す
   る文節検出手段と、文節検出手段より得られた文節候補
   の中の文節候補間の位置関係に関する制約条件及び文法
   あるいは意味などの言語的な制約条件を調べる意味解析
   手段と、文節間の制約条件を満たす文節の系列として文
   節候補を接続することにより作成される文節系列を格納
   する文節系列格納手段とを備え、文節系列格納手段に格
   納されている解析途中の文節系列の端点の情報をもとに
   、必要な区間のみの文節候補を上記文節検出手段により
   検出することにより文解析処理を進めることを特徴とす
   る音声認識方法。