| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-03-02 13:00 系列分類型ニューラルネットワークを用いた日本語方言識別の検討 ○今泉 遼（首都大東京）・増村 亮（NTT）・塩田さやか・貴家仁志（首都大東京）  EA2019-108 SIP2019-110 SP2019-57 |
|
| 抄録 | （和） | ある地域特有の言語を方言といい, 入力音声がどの方言かを識別するタスクを方言識別という. 音声認識モデルの多くは標準語で作られており, 標準語のモデルを用いて方言を含む音声を認識した場合, 認識性能が大幅に低下するという問題が知られている. この問題を解決する方法の1つとして方言ごとの情報を学習に用い, 標準語および方言それぞれ認識器を用意することが挙げられる. 複数の認識器から入力音声に対してどの認識器を用いるかを判別するために方言識別が重要となる. また方言識別の精度が非常に高ければ, 方言固有の情報から言語モデルを最適化することにより音声認識システムの改善も期待できるため方言識別モデルの精度を向上させることは重要なタスクである. 本研究では方言識別のモデルにニューラルネットワークを用い, 近年広く使われているEnd-to-Endとよばれる枠組を使用した. 実験では様々なパラメータを用いた系列分類型ニューラルネットワークを使用して, 青森, 広島, 熊本, 名古屋, 札幌, 仙台の6つの地域の方言の識別モデルの性能を調査, 分析した. |
| （英） | The language specific to a certain region is called a dialect, and the task of identifying which dialect the input speech is called dialect identification. Many of the speech recognition models are made up of standard languages, and it is known that the recognition performance is greatly reduced when using the model to recognize speech including dialects. One way to solve this problem is to use dialect information for learning and prepare a model that can identify both standard and dialects. Dialect identification to decide which recognizer to use for input speech is important. Also, if the accuracy of dialect identification is very high, improving the speech recognition system can be expected by optimizing the language model from the dialect-specific information, so improving the accuracy of the dialect identification model is an important task. In this study, we used a neural network as a model for dialect identification, and used a framework called End-to-End, which has been widely used in recent years. In the experiment, the performance of the discrimination model for dialects in six regions, Aomori, Hiroshima, Kumamoto, Nagoya, Sapporo, and Sendai, was investigated and analyzed using a sequential classification neural network with various parameters. |
|
| キーワード | （和） | 日本語方言音声識別 / 系列分類型ニューラルネットワーク / LSTM / BLSTM / / / / |
| （英） | Japanese dialect identification / sequence-to-one neural network / LSTM / BLSTM / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 441, SP2019-57, pp. 41-46, 2020年3月. | |
| 資料番号 | SP2019-57 | |
| 発行日 | 2020-02-24 (EA, SIP, SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2019-108 SIP2019-110 SP2019-57 |
|
| 研究会情報 | |
| 研究会 | SP EA SIP |
| 開催期間 | 2020-03-02 - 2020-03-03 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2020-03-SP-EA-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 系列分類型ニューラルネットワークを用いた日本語方言識別の検討 |
| サブタイトル（和） | |
| タイトル（英） | Japanese dialect speech classification using sequence-to-one neural networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 日本語方言音声識別 / Japanese dialect identification |
| キーワード(2)（和/英） | 系列分類型ニューラルネットワーク / sequence-to-one neural network |
| キーワード(3)（和/英） | LSTM / LSTM |
| キーワード(4)（和/英） | BLSTM / BLSTM |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 今泉 遼 / Ryo Imaizumi / イマイズミ リョウ |
| 第1著者 所属（和/英） | 首都大学東京 (略称： 首都大東京) Tokyo Metropolitan University (略称： TMU) |
| 第2著者 氏名（和/英/ヨミ） | 増村 亮 / Ryo Masumura / マスムラ リョウ |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 塩田 さやか / Sayaka Shiota / シオタ サヤカ |
| 第3著者 所属（和/英） | 首都大学東京 (略称： 首都大東京) Tokyo Metropolitan University (略称： TMU) |
| 第4著者 氏名（和/英/ヨミ） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 第4著者 所属（和/英） | 首都大学東京 (略称： 首都大東京) Tokyo Metropolitan University (略称： TMU) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-02 13:00:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SP |
| 資料番号 | EA2019-108, SIP2019-110, SP2019-57 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.439(EA), no.440(SIP), no.441(SP) |
| ページ範囲 | pp.41-46 |
| ページ数 | 6 |
| 発行日 | 2020-02-24 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]