应用不定长度特徵之条件随机域於口语不流畅语流修正Disfluency.PDFVIP

應用不定長度特徵之條件隨機域於口語不流暢語流修正 Disfluency Correction of Spontaneous Speech using Conditional Random Fields with Variable Length Features 葉瑞峰 2 1 1 、吳宗憲 、吳維彥 1Dept. of Computer Science and Information Engineering, National Cheng-Kung University, Tainan, Taiwan 2Dept. of Computer Science and Information Engineering, Far East University, Tainan County, Taiwan 摘要 針對口語化語音中之不流暢語流(disfluency)現象，本文提出以不定長度特徵之條件隨機域。利用狀態轉移 特徵函數、觀測特徵函數以及相對應之參數，針對不流暢語流進行修正。其中觀測特徵函數可整合多種知 識來源，包括前後文相關特徵、不流暢相關特徵以及圖樣符合相關特徵。在狀態方面我們使用可變動長度 單位，包括詞、字元串集 (chunk) 以及句子三種不同狀態。在評估上，則使用現代漢語口語對話語料庫(MCDC) 做為訓練以及測試語料。其中被修正詞 (editing word)錯誤率為 17.3% ，相對於DF-gram 、HMM 、最大熵以 及 N-gram 加校正之混合模型的方法分別降低了 11.7% 、8.7% 、8%以及3.9% 。在給定中斷點的情況下，被 修正詞錯誤率為 6.1% 。實驗證明所提之模型優於其他方法，並可有效偵測並修正口述語言中之不流暢語流。 1. 緒論 要應用語音技術於人機介面上，語音辨識則為最重要且核心之技術之一。近十年來，語音辨認技 術已臻於成熟且蓬勃發展。目前的語音辨認系統對於朗讀的語音輸入辨認效果極佳，然而要實際 應用，必須考慮口語化語音[1] 。而口語化語音常會伴隨著非正規化(ill-formed) 以及不流暢語流 (disfluency) ，這些現象會造成目前辨識系統的錯誤率大幅度提高，以至於無法應用於日常生活 [2] 。而參雜著不流暢語流之辨識後文字，也會使得使用者極不容易閱讀，對使用者造成困擾 [3] 。 編輯不流暢語流結構共可區分為以下四個部份如圖一所示。 L LL LL LL 圖一 編輯不流暢語流之結構 編輯不流暢語流包括三種型別：重複(Repetition) 、修正(Repair) 和重開始(Restart) ，其定義如下。 重複即語者重複語句的某個部份，也就是可刪除區域與修正區域的語句重複。修正即語者將語句 的某個部份做修正。也就是可刪除區域將取代修正區域並改變它的意思。重開始語者將未完成: 的語句中斷並重新開始另一句。也就是中斷點前面的部分全都是可刪除區域。 相關的研究在國外方面， ISCI 以及 SRI 等國際研究中心利用語言模型以及韻律模型偵測不流 暢語流 [4] 、結合基於詞和詞性的語言模型解決重複[5]和使用隱藏事件語言模型直接對不流暢語 流進行統計式分析以及利用不流暢語流語言模型(DF-gram)來預測是否出現不流暢現象[6]以及使 用最大熵模型以及隱藏馬可夫模型修正不流暢語流 [7] 。John Bear 應用不同知識來源來針對不流 暢語流進行偵測及修正 [8] ，Anand Venkataraman 使用人工訂定之規則來判斷不流暢語流 [9] 、 Matthias Honal 利用噪音頻道(Noisy Channel)的觀念，運用不同特徵訓練出統計模型並以線性組 合來修正之 [10] 。Charniak and Johnson 建立ㄧ基於詞性特徵之分類器來預測可被刪除區域[11] 。 Nakatani and Hirschberg 利用聲學、音韻學以及語言特徵建立ㄧ決策樹模型來偵測重複 [12] 。 Snov