ランダムプロジェクションを用いた音響モデルの線形変換

摘要

本稿では，ランダムプロジェクションを用いて音響モデルの線形変換を行い，複数の特徴量を用いた音声認識を効率良く行う手法を提案する．ランダムプロジェクションとは，高次元空間における任意の2点間のユークリッド距離が射影先の低次元空間において高い確率で保存される，という性質を持つ空間写像の一手法である．また，ランダムプロジェクションで用いる写像行列は，各成分が独立にある確率分布に従うn×k行列として定義される．本稿では音声特徴量をランダムプロジェクションを用いて変換し，ランダムプロジェクション特徴量を作成するが，得られた特徴量で音響モデルを学習するのではなく，変換前の特徴量で学習した音響モデルに対してランダムプロジェクションを行うことで，特徴量ごとの音響モデルを低コストで作成する．評価実験はCENSREC-3を用いた単語音声認識を行い，提案手法の有効性を示す．