Buried Markov Modelを用いた音声認識モデルの構築法の検討

摘要

HMMによる音声認識は，はっきりと発話された音声に対しては高い精度で認識を行えるが，雑音を含む音声や，連続的に発話された苦声に対して精度が低下するという問題がある.この間題に対し，観測ノード間の時間的な依存関係を記述できるBuried Markov Modelを用いた音声認識モデルがJ.Bilmesによって提案された.本研究ではこのBuried Markov Modelの時間的依存関係の学習方法であるPairwiseアルゴリズムにおいて従来用いられている相互情報量の代わりに，ノンパラメトリックな依存性の検定法を導入することで，分布を仮定した場合には得られない依存関係を取得し，モデルを構築することで認識精度の改善を試みた.音素認識精度の結果，相互情報量を用いた場合に比べ，ノンパラメトリックな独立性検定法である多重解像度独立性検定を用いた場合，男性話者で0.6％，女性話者で0.6％，混合話者で1.3％の音素認識精度の改善が確認された.%Though HMM makes it possible to recognize clear utterance by high accuracy, there is a problem that the speech including the noise or the continuous utterance cause the decrease in accuracy. To solve this problem, buried Markov model was proposed by J. Bilmes, where Buried Markov model contains the conditional independence between the observation node. In this research, to enable to obtain the conditional independence that the assumption of distribution prevents from obtaining, we proposed to introduce non-parametric independence test instead of mutual information into pairwise algorithm, that is the algorithm to learn the structure of buried Markov model. We performed phone recognition experiment by HMM, BMM structured using mutual information and BMM structured using multi-resolution independence test. Experimental results achieved improvement of phone recognition rate of male of 0.6%, im-rnprovement of phone recognition rate of female of 0.6%, and improvement of phone recognition rate of mix of 1.3%.