クラスタ化を基本とする音声言語獲得の機能モデル: 単語と母音音素の場合

摘要

We model human's acquisition process of spoken language. We hypothesize that human's capability of clustering is inherent, and we model acquisition of vowel phonemes as the clustering of speech with spectra which are heard easily by a baby. We model acquisition of spoken words as a construction of hidden Markov models from nothing using a clustering method. In this acquisition model, we also propose a learning model which uses both the unsupervised learning and the instructed learning, and we show the learning speed of words is accelerated by using these learning methods. We also propose the active learning in the period of one word's utterance. As results of evaluation experiments, the system achieved recognition scores of 97% in the data open test of a speaker-dependent case, 74% in the speaker-independent case for ten digit words recognition.%人間の音声言語獲得の機能をモデル化する。クラスタ化の機能は生来のものと仮定し，母音音素の獲得は，乳児にとってよく聞こえる音声のスペクトルのクラスタリングとしてモデル化する。単語音声の獲得は，クラスタリング法による隠れマルコフモデルのゼロからの構成としてモデル化する。その中で，教師なし学習と教示学習を併用するモデルを提案し，これにより単語獲得が高速化されることを示す。また，1語発話期における能動的学習を提案する。評価実験の結果，システム全体の認識率としては，10数字単語を用いた特定話者によるオープンテストでは97%，不特定話者によるオープンテストでは74%の精度を示した。