距離マトリクス画像中からの直線検出によるワードスポッティング（LD-DMI法）を用いた電話会話ログ検索

摘要

電話会話の検索サービスに対するニーズは通信販売やヘルプデスク等を中心に顕在化しているが，電話を多用するオフィス業務においてもキーワード入力による電話会話の検索が可能となれば，生産性向上に貢献できるものと期待される．一方，音声コンテンツを検索する技術は，講演音声やニュース音声などある程度の規則性を想定できる言語モデルを前提とした研究が進んでいるが，一般の電話会話では言語モデルの構築が難しいことから十分な研究が進んでいない．また，検索用エントリーデータはキーボードやタッチパネルから入力されることを前提としており，検索用キーを音声で入力する方式は検討されていない．そこで，本報告では音響モデルのパターンマッチングによるワードスポッティングを対象とし，従来法として連続DP を，提案法として距離マトリクス画像中からの直線検出によるワードスポッティングを新手法として両者の性能を比較する．特に，新手法において距離マトリクス画像の二値化しきい値を，画像の特性に応じて適応的に調整する性能改善案を検討した．適合率90％における再現率と，再現率90％における適合率を用いて評価した結果，提案手法は従来法に比較して概ね5％程度改善できることを明らかにした．