音声対話システムのための 間投詞的応答の認識 小林研究室 修士2年 三宅 梨帆 研究背景 人同士の対話 例 A：回鍋肉なら、 B： 肉がいっぱい食べられるよ はい Bが近いかを尋ねる A：コズミックスポーツセンターの隣、のところにある。 B： あ、近いですね A：探せばいっぱいあると思うんですけど。 探せばありそうですけど B： ん これらの短い発話（間投詞的応答）によって、自分の状態を 相手に伝えている 円滑な対話の進行に寄与 研究目的 目的 ユーザの「はい」「うん」「ええと」「え」「あ」などの 間投詞的応答からユーザの態度を識別すること により円滑に対話を進行するシステムの構築 行ったこと 実際の対話を観察し、対話システムの振舞い決 定に役立ちそうな識別する態度を決定 韻律情報、音韻情報用いて識別 2つの識別器を統合 識別する対象 対話システムの振舞い決定に有効と思われる以下 の3つの観点について態度の識別を行う 次にシステム/ユーザのどちらが話すか 発話内容を理解しているかどうか システムの話し始めるタイミングの決定、ユーザの割込み受付に 利用 識別クラス：「システムが発話」 「ユーザが発話」 理解できていれば話を続け、出来ていなければ詳細説明 識別クラス：「理解している」 「理解していない」 システムの発話により理解状態が変化したか 理解できるようになったら説明を終了させる、変化がなければそ のまま続ける 識別クラス： 「わからなかったことがわかった」 「変化なし」 「解らないことが生じた」 識別手法 韻律情報：18次元の特徴量とし、混合正規分布（GMM）を 学習 •基本周波数（F0）傾き •F0標準偏差 •F0平均 •F0最大値 •F0最小値 •F0中央値 •F0レンジ •F0尖度 •F0歪度 •発話継続長 •パワー標準偏差 •パワー平均 •パワー最大値 •パワー最小値 •パワー中央値 •パワーレンジ •パワー尖度 •パワー歪度 音韻情報：26次元のMFCCを特徴量としGMMを学習 統合：上記の識別器から出力された尤度を特徴量とし、 SVMで学習 実験結果 各態度の発話を被験者（11人）に演技させる形で1100発話収集 11分割の交差検定を行った 100 韻律 音韻 韻律+音韻 90 80 識別率[%] 70 60 50 40 30 20 10 0 どちらが話すか 理解しているか 理解状態の変化
© Copyright 2024 ExpyDoc
