ブースティングとキーワードフィルタリングによるシステム要求検出

ブースティングとキーワードフィルタリングによるシステム要求検出ブースティングとキーワードフィルタリングによるシステム要求検出神戸大学大学院自然科学研究科佐古淳，滝口哲也，有木康雄

背景・目的 • 音声による機器の操作 • ロボット・カーナビなど • 雑談に反応してシステムが誤動作 • スイッチを用いた音声入力制御 • 使いにくい・音声を使うメリットが減少スイッチレスで自動的にシステム要求と雑談を判別

目的 • システム要求と雑談の判別「どうやって　動かすの？」「こっちに、　えーと、来て」「こっちに来て」って言うと動くよ …… …… 了解

従来手法 • キーワード・スポッティングネットワーク文法ガベージ・モデル • 問題点 • 柔軟な表現の受理が困難 • ネットワークの構築コスト • ガベージ・モデルの構築方法  単語ベース  自動的に学習

単語ベースでの要求検出 • 単語ベースで受理（検出） • 「えーこっちに来てちょうだい」 • 「こっちにえーと来て」 • 問題点 • 「こっちに来てって言うと」 • わき出しに弱い

提案手法 • 単語ベースで受理＋拒否 • えーこっちに来てちょうだい • こっちにえーと来て • こっちに来てって言うとシステム要求雑談投票単語による要求・雑談への重み付き投票で判別 • どの単語を用いるか　－投票の重みは？ブースティングにより学習

ブースティング • ブースティングによるテキスト分類 • Decision Stumps [Schapire,98] 単語ベースの単純・高速な手法 true システム要求単語Ａがある単語Ａがない雑談 false 注目する単語と投票重みをコーパスから学習

コーパス • 収録環境 • ２人とロボットが存在 • 人同士で会話しながら任意にシステム要求 • マイクは発話者２人の胸元に設置 • コマンドは８種 • 異なり単語数：約700語 • 規模 • １時間程度（実質発話時間は20分程度） • 切り出し後にラベル付与 • 330発話（うち49発話がシステム要求）

コーパス +1：システム要求 -1：雑談 • 具体例

実験音声認識結果に対する要求検出音声認識結果に対する要求検出

音声認識結果の判別 • 音響分析条件・HMM 音響分析条件 H M M

音声認識結果の判別 • 実験条件 • 音響モデル: CSJベースにMLLR+MAP適応 • 言語モデル: 書き起こしから学習 • 未知語なし（語彙数700語） • 話者Aの認識に、話者Bのモデルを利用 • 認識結果 • 単語正解精度：42.1% • キーワードF値：0.76

音声認識結果の判別 • AdaBoostにより選択された素性語例素性語数：約40語　／700語

音声認識結果の判別 • 実験結果 • Leave-one-out 法により実験 • 結果はF値が最大のケース高精度に判別可能

従来手法 • キーワード・スポッティングネットワーク文法ガベージ・モデル • 問題点 • 柔軟な表現の受理が困難 • ネットワーク文法の構築コスト • ガベージ・モデルの構築方法 • 問題点 • 柔軟な表現の受理が困難 • ネットワーク文法の構築コスト • ガベージ・モデルの構築方法

キーワード・フィルタリング • ブースティングによる学習の結果…… システム要求素性雑談素性約20語約20語ガベージ・モデル語彙全体約660語 • 未知語発話時…… • ガベージ単語と認識　　：判別に影響無し • 雑談素性と認識　　　　：問題低 • システム要求素性と認識：問題あり

未知語を含む要求検出 • 辞書から単語を削除（キーワード以外）要求検出Ｆ値 1 0.9 0.8 0.7 F 値 0.6 0.5 0.4 未知語がある場合でも頑健に動作 0.3 0.2 0.1 0 20% 10% 30% 40% 50% 辞書未知語率

まとめ • システム要求と雑談の判別 • 音声認識結果（言語情報）を利用 • 単語認識精度：42.1%において • 適合率：0.94再現率：0.92 F値：0.93 • 未知語に対しても頑健に動作 • 今後の課題 • タスクの規模・難易度の向上 • 言語のみで判別不能なケースへの対応

ブースティングとキーワードフィルタリング によるシステム要求検出