音声入力への応答タイミング決定のための強化学習の検討

摘要

音声対話システムにおいて，ユーザの入力発話に対する応答の遅延を改善することは重要である．本研究では，ユーザ発話中に音声認識エンジンから得られる漸次的認識結果の利用を検討した．まず漸次的認識結果の信頼性を高めるためにサブワード語彙の利用を検討した．次に，誤認識を含む情報からユーザ発話内容を予測する問題を，逐次的に応答決定または待機を行う方策決定問題ととらえ，強化学習の適用を試みた．さらに，予測されたユーザ発話の終了に合わせてシステム発話を開始する手法を検討した．様々な苫声認識エラー率およびユーザ発話速度の条件でシミュレーションを行い，さらに音声認識と音声合成を用いた実験を行った結果，提案手法の有効性が示唆された．%In spoken dialog systems, it is important to reduce the delay of the response to the user's utterance. We investigated the use of incremental recognition results which can be obtained from speech recognition engine during the user's utterances. In order the system to respond correctly with incremental recognition results, the problem should be solved how to utilize the incremental results effectively, which are not enough reliable. We formulated this problem as a decision making task, in which the system makes choices iteratively either to answer using previous observations, or to wait until next observation. The reinforcement learning can be applied to this problem. Experimental results indicated that the users highly evaluated the system when it uses the estimation of completion time of user's utterance with the recognition results using sub-word vocabulary.