以聲學特徵相似度改進語音資訊檢索

Improved Speech Information Retrieval by Acoustic Feature Similarity

陳佳蘋(Chia-Ping Chen)

指導教授 ： 李琳山

國立臺灣大學/電機資訊學院/電信工程學研究所/碩士(2011年)

https://doi.org/10.6342/NTU.2011.00392

摘要

一般而言，語音資訊檢索會先透過語音辨識，將語料庫中的語音轉換為文字，再對辨識出的文字進行檢索。然而，這樣的系統架構非常仰賴好的語音辨識系統。如果語音辨識的辨識率很低，檢索系統無法根據辨識出的文字來判斷查詢問句所在的語句，則語音資訊檢索的效能會大幅下降。

本論文提出兩種以聲學特徵相似度來改進語音資訊檢索的方法：虛擬相關回饋及圖學基礎之重排序； 其優點在於以非監督(Unsupervised) 的方法，透過聲學特徵的比對，有效彌補因辨識率低造成的檢索效能下降。在虛擬相關回饋部分，我們定義聲學特徵相似分數，並提出三種虛擬相關語句選擇的方法。在圖學基礎之重排序部分，我們以聲學特徵相似度建立語句關係圖，並套用隨機漫步及修
正隨機漫步演算法來重新分配相關分數。我們並結合兩種方法，達到最好的語音檢索效能。在辨識率為62:55% 的辨識系統下，語音資訊檢索的平均準確率從55:54%進步至70:61%，相對進步率為27%。

關鍵字

語音資訊檢索 ； 口語詞彙偵測 ； 虛擬相關回饋

並列摘要

無資料

並列關鍵字

Speech Information Retireval ； Spoken Term Detection ； Pseudo-Relevance Feedback

參考文獻

[38] Timo Mertens, Daniel Schneider, and Joachim Kohler, “Merging search spaces for subword spoken term detection,” in INTERSPEECH, 2009.

[77] Ioannis Arapakis, Joemon M. Jose, and Philip D. Gray, “Affective feedback: an investigation into the role of emotions in the information seeking process,” in

[34] Javier Tejedor, Dong Wang, Simon King, Joe Frankel, and Jose Colas, “A posterior probability-based system hybridisation and combination for spoken term detection,”

[86] S. E. Johnson, P. Jourlin, K. Sparck Jones, and P.C. Woodland, “Spoken document retrieval for trec-9 at cambridge university,” in Proc. TREC-7, 1999.

[3] Dong Wang, Simon King, and Joe Frankel, “Stochastic pronunciation modeling for spoken term detection,” in INTERSPEECH, 2009.