単語の文脈一貫性と音響尤度を用いた音声ドキュメント認識信頼度の推定

摘要

本稿では，音声ドキュメントに対して音声認識信頼度を付与する方法を提案し，性能評価実験の結果を報告する．音声ドキュメントデータベースからの情報抽出アプリケーションの実用性向上のためには，「精度の低い音声ドキュメント認識結果をいかに棄却するか」という問題の解決が重要だと考えている．提案法では，単語/発話よりも広範囲の音声認識結果を見渡して得られる単語の文脈一貫性と，入力音声と音声認識結果の一致度合いを表す音響尤度を用いて音声ドキュメント認識信頼度を算出する．電話会話音声に対して提案法によって信頼度を算出し，間借により音声ドキュメント単位での棄却を行うことで．受理された音声ドキュメントの平均文字正解率が79．56％から84．18％に向上，標準偏差が7．51から4．51に減少し，提案法により精度の高い音声ドキュメント認識結果を選択的に抽出できることを確認した．%This paper presents a confidence estimation method for spoken document verification. Rejection of spoken documents with poor transcripts is an important issue for the information retrieval applications utilizing spoken document database. The proposed confidence estimation method uses acoustic likelihood and word contextual coherence obtained from longer range of recognition result than word or utterance. We evaluated spoken document rejection performance on phone call speech. The results show that our spoken document confidence score can selectively extract well recognized transcripts of spoken documents. By the spoken document rejection, the mean of character correctness of accepted documents was improved from 79.56% to 84.18%, and the standard deviation was reduced from 7.51 to 4.51.