使用動態關鍵詞詞典和信心量度之
語音文件檢索技術

由於絕大多數的多媒體資訊都附帶語音訊息，語音文件檢索乃是人們面對資訊爆炸的時代所必須的技術。藉由語音查詢這樣友善的操作加上有效率的檢索方式，能協助人們在大量的多媒體資料庫中尋找想要的資訊。然而，比起文字文件的檢索，語音文件的檢索有著其他的問題需要解決。本論文主要就是針對語音文件檢索技術所遭遇的語意模糊和辨識錯誤二方面進行研究。我們提出使用動態關鍵詞詞典的想法來擷取甚至預測使用者查詢可能出現的關鍵詞彙，以掌握使用者真正想得到的資訊，並在動態關鍵詞詞典所建構的空間上計算額外的檢索分數，以找到最相關的文件。在關鍵詞的抽取上，我們提出使用詞頻反文件頻，類專有名詞特徵，基於機率式潛藏語意分析模型之主題亂度三種不同的抽取方法，而在我們實作的過程中，我們發現類專有名詞抽取法和主題亂度抽取法二者有著互補的概念，可以藉由二者的合併建構出更為完整的動態關鍵詞詞典。為了要能增加使用者查詢中關鍵詞的確認率，本論文也提出了不同於一般的語音辨識流程，藉由調整可能出現之關鍵詞分數，來達成擷取關鍵詞的目地。經過實驗後我們發現，雖然此一流程有可能使得整體的詞錯誤率上升，卻可以在檢索效能上有更好的表現，不失為一個可行的做法。在我們確認了使用者語音查詢中是否有關鍵詞之後，系統將依照關鍵詞的有無進行不同的檢索模式。若有確認出關鍵詞，則將在原本的檢索分數外，加上基於動態關鍵詞的檢索分數，若在使用者查詢中無法確認出關鍵詞，則僅使用傳統的方法進行檢索。藉由觀察實驗數據，我們可以得知在加入了關鍵詞的檢索分數之後，語音文件檢索系統的效能的確可以獲得明顯的提升。辨識的錯誤乃是語音文件查詢上所需要解決的另一個議題，有鑑於此，我們結合了語音辨識上常見的信心量度技術以降低因辨識錯誤對檢索效能造成的影響。在信心量度的技術中，詞事後機率法的效能相當傑出，但需要有詞圖作為輸入方能求出；一旦我們所使用的語音辨識系統不計算詞圖之時，可以選擇替代的最佳N 路徑計數法作為信心量度。除了上述的二種方法之外，我們也可以利用多種特徵參數來訓練信心量度模型，此方法的成效將隨訓練語料的差異而有所不同。在本論文中我們將信心量度的觀念加入到標準向量空間模型和機率式潛藏語意分析模型的檢索之中，希望能有效的衡量使用者查詢的辨識結果正確與否。經由簡單的初步實驗觀察其效能後，我們發現在標準向量空間模型的檢索上加入信心量度，其檢索效能可以獲得一定程度的進步。此外，我們更進一步將信心量度的觀念和動態關鍵詞詞典加以整合，實驗後也同樣獲得進步，說明了二種不同的技術乃是可以結合的。

關鍵字

語音；檢索

並列摘要

無資料

並列關鍵字

speech spoken ； document retrieval

參考文獻

[26] Ya-chao Hsieh, Yu-tsun Huang, Chien-chih Wang and Lin-shan Lee,”

[21] Shui-Lung Chuang, Lee-Feng Chien, "Topic Hierarchy Generation for Text

[27] Yicheng Pan, Yu-tsun Huang, Chien-chih Wang, Ya-chao Hsieh, Yen-shin Lee,

[15] K. Nigam, A. McCallum, S. Thrun, and T. Mitchell. Text classification from

[18] Chun-Jen Wang, Berlin Chen, and Lin-shan Lee, “Improved Chinese Spoken

國際替代計量

使用動態關鍵詞詞典和信心量度之語音文件檢索技術

全文下載

主題瀏覽