パレート最適と進化的戦略を用いた高精度大語彙音声認識システム構築の自動化

摘要

近年Deep Neural Network（DNN）の応用やその他諸技術の進展により音声認識システムの性能が大きく向上している．しかしこれらのシステムは多数の調整パラメタを持ち，実際に高い認識精度を実現するためには専門家による調整が必要となる．調整のための負担は非常に大きく，認識技術の高度化とともにシステムを実現する上での主要なボトルネックとなりつつある．そこで本研究では，進化的戦略を用いて自動的に大語彙音声認識システムを構築する手法を提案する．具体的には，DNNのモデル構造やモデル学習時の学習係数などのメタパラメタを共分散行列適応進化的戦略（CMA-ES）を用いて最適化する．さらに，認識性能だけではなく学習されるモデルのサイズも考慮するため，多目的最適化手法であるパレート最適とCMA-ESを組み合わせた手法（CMA-ES+P）についても検討する．実験では，提案手法を用いることでベースラインと比べて単語誤り率を0.48%削減し．たシステムが自動で得られた．また，ベースラインと同等の認識性能を持つDNNを選択した場合，DNNサイズを59%削減できた．本研究で最適化したメタパラメタはKaldiツールキットで公開されているCSJレシピに組み込まれている．