変分ベイズ法を用いた逐次状態分割法

摘要

音素環境依存型音響モデルを作成する場合，一般に学習データを用いて，小規模なモデルからある規準でモデルを選択しつつ，より大規模なモデルを構築する．この際，よく使われているのが，ゆう度最大化 (Maximaum Likelihood，ML) 規準である．しかし，一般的なモデル選択での問題であるように，ML規準は過学習になりやすいという問題がある．これを避けるために情報量規準が使われる場合が多い．しかし，一般的な情報量規準は理論的にはHMMのような複雑なモデルを厳密には扱うことができない．そこで，より正確に扱うことのできるものとして，変分ベイズ法が近年，機械学習の分野で提案され，多くの分野で応用されてきている．本報告では変分ベイズ法を用い，時間方向の状態数が非均一な環境依存型HMMを自動で作成する手法を提案する．音響モデル構造を構築する方法としては音素環境方向だけでなく，時間方向分割も考慮できる逐次状態分割法を用い，分割条件の規準および停止条件に変分ベイズ法を適用する．評価実験として，音素識別実験を行い，主に母音で効果が見られた．また，連続音声認識実験ではベースラインに対し，状態数が約60％のモデルでさらに若干良い性能が得られた．