| 講演名 | 2022-11-30 前後文脈を用いた対話文の言い淀み検出 中島 寛人(九工大), 嶋田 和孝(九工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ASRに代表される音声認識技術の進歩により正確な書き起こし文が得られるようになった．しかしながら，言い淀みやフィラーといった話し言葉に特有の表現は，依然として書き起こし文の可読性や後段の処理への応用性を下げてしまう一因となっている．中でも言い淀みは文意に影響せず，定型も持たない表現であり，これを人手で取り除くことはコストが掛かる．したがって自動的に検出および整形処理を行うことが求められている．近年の機械学習モデルを使用した言い淀み検出では文脈情報を利用した検出が盛んである．しかし，複数人の話者が存在する対話文では，ある発話者の発話に対して他発話者の割り込みによる中断が発生し，得られる文脈情報も少なくなる傾向がある．そこで本研究では，モデルへの入力文を結合や生成によって前後に拡張し，文脈情報を補完する手法を提案する．実験では，文脈補完の対象や補完の窓幅，手法によっていくつかの入力データの拡張を行う．これらのデータで学習されたモデルによって言い淀み検出に取り組むことで，提案手法の有効性を確認すると共に，より良い文脈補完の手法について検討する． |
| 抄録(英) | Recent automatic speech recognition (ASR) techniques have been improved by a large amount of training data and machine learning, such as deep learning technology. Problems in the outputs from ASR are not only recognition errors but also outputs caused by disfluency from speakers. It is difficult to remove them automatically, and removing them by hand is costly. In this paper, we propose a disfluency detection model with BERT. The model utilizes context information of target utterances. We introduce two types of context information. The first one is real utterances that appear around the target utterance. We compare several sequence lengths of the previous and following utterances. The second one is a generated utterance by GPT-2. Our model adds the utterance generated from the target utterance as the following context. In the experiment, the long sequence improves the disfluency detection accuracy, and real context outperforms generated context. |
| キーワード(和) | 言い淀み検出 / 非流暢性 / 対話文生成 / 文脈補完 |
| キーワード(英) | disfluency detection / disfluency / dialogue generation / context complement |
| 資料番号 | NLC2022-13,SP2022-33 |
| 発行日 | 2022-11-22 (NLC, SP) |
| 研究会情報 | |
| 研究会 | NLC / IPSJ-NL / SP / IPSJ-SLP |
|---|---|
| 開催期間 | 2022/11/29(から3日開催) |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | |
| テーマ（和） | 第24回音声言語および第9回自然言語処理シンポジウム |
| テーマ（英） | |
| 委員長氏名（和） | 吉田 光男(筑波大) / 須藤 克仁(奈良先端科学技術大学院大学) / 戸田 智基(名大) / 戸田 智基(名古屋大学) |
| 委員長氏名（英） | Mitsuo Yoshida(Univ. of Tsukuba) / 須藤 克仁(奈良先端科学技術大学院大学) / Tomoki Toda(Nagoya Univ.) / 戸田 智基(名古屋大学) |
| 副委員長氏名（和） | 坂地 泰紀(東大) / 小早川 健(NHK) |
| 副委員長氏名（英） | Hiroki Sakaji(Univ. of Tokyo) / Takeshi Kobayakawa(NHK) |
| 幹事氏名（和） | 光田 航(NTT) / 石野 亜耶(広島経済大) / 内海 慶(株式会社デンソーアイティーラボラトリ) / 内田 ゆず(北海学園大学) / 古宮 嘉那子(東京農工大学) / 萩行 正嗣(株式会社ウェザーニューズ) / 吉永 直樹(東京大学) / 吉野 幸一郎(理化学研究所) / 増村 亮(NTT) / 中鹿 亘(電通大) / 増村 亮(NTT) / 中鹿 亘(電気通信大学) / 相原 龍(三菱電機) / 齋藤 大輔(東京大学) |
| 幹事氏名（英） | Ko Mitsuda(NTT) / Aya Ishino(Hiroshima Univ. of Economics) / 内海 慶(株式会社デンソーアイティーラボラトリ) / 内田 ゆず(北海学園大学) / 古宮 嘉那子(東京農工大学) / 萩行 正嗣(株式会社ウェザーニューズ) / 吉永 直樹(東京大学) / 吉野 幸一郎(理化学研究所) / Ryo Masumura(NTT) / Toru Nakashika(Univ. of Electro-Comm.) / 増村 亮(NTT) / 中鹿 亘(電気通信大学) / 相原 龍(三菱電機) / 齋藤 大輔(東京大学) |
| 幹事補佐氏名（和） | 高橋 寛治(Sansan) / 小川 泰弘(名大) / / 相原 龍(三菱電機) / 齋藤 大輔(東大) |
| 幹事補佐氏名（英） | Kanjin Takahashi(Sansan) / Yasuhiro Ogawa(Nagoya Univ.) / / Ryo Aihara(Mitsubishi Electric) / Daisuke Saito(Univ. of Tokyo) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Natural Language Understanding and Models of Communication / Special Interest Group on Natural Language / Technical Committee on Speech / Special Interest Group on Spoken Language Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 前後文脈を用いた対話文の言い淀み検出 |
| サブタイトル（和） | |
| タイトル（英） | Dialogue disfluency detection using context |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 言い淀み検出 / disfluency detection |
| キーワード(2)（和/英） | 非流暢性 / disfluency |
| キーワード(3)（和/英） | 対話文生成 / dialogue generation |
| キーワード(4)（和/英） | 文脈補完 / context complement |
| 第 1 著者 氏名（和/英） | 中島 寛人 / Hiroto Nakashima |
| 第 1 著者 所属（和/英） | 九州工業大学(略称：九工大) Kyusyu Institute of Technology(略称：KIT) |
| 第 2 著者 氏名（和/英） | 嶋田 和孝 / Kazutaka Shimada |
| 第 2 著者 所属（和/英） | 九州工業大学(略称：九工大) Kyusyu Institute of Technology(略称：KIT) |
| 発表年月日 | 2022-11-30 |
| 資料番号 | NLC2022-13,SP2022-33 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | NLC-287,SP-288 |
| ページ範囲 | pp.21-26(NLC), pp.21-26(SP), |
| ページ数 | 6 |
| 発行日 | 2022-11-22 (NLC, SP) |