大阪大学産業科学研究所の武田龍助教らの研究グループは、音声対話システム で必要な、「会話に含まれる未知語 の特定」技術において、知っている単語の発音構成パターンに基づく「音表現の単位」を用いる機構を導入しました。

近年、音声応答を行うロボットやアプリが数多く公開されていますが、基本的に事前に登録された単語のみを認識する仕組みとなっています。それ以外の単語（未知語）が発話に含まれると、知っている単語群で置き換えられるため、「単語」として正しく認識できません。もし、「知らない単語」の部分を正しく認識できれば、人に聞いてその意味を学習することができます。

本研究では、自然言語処理技術における「教師なし単語分割 」手法に着目し、発話中の未知語の特定に応用しています。この手法では通常書き言葉が対象であるため、切り出しの単位は「文字」となります。音声へ適用する場合、「音表現の単位」として何を使うべきか、何が有効であるかは自明ではありません。その単位には、音素（発音記号）や音節（ひらがな）、その他の表現があります。

開発された手法では、「単語らしさ」を用いて計算された「発音とその構成パターンに基づく単位」を、「音表現の単位」として用いています。このパターンは、複数の単語に現れる共通の発音と出現位置から計算されており、知っている単語と近い発音構成の未知語をより特定しやすくなります。音素の認識は正しくできたと仮定の下、日本語・英語の会話コーパスで未知語の特定率を各単位で検証しています。

この成果は、開発者が事前に用意したり更新したりしたやりとりができるだけでなく、人間と話すにつれて自ら学んで次第に賢くなっていく音声対話システムの実現に必要な技術です。

図1　未知語認識処理の一例

今後、音声対話システムが世の中で使われるにつれ、話す内容や話し方など、その場その場で相手から学びながら話せることが必須となるでしょう。本研究成果は、知らない単語を相手から学ぶために不可欠な機能のひとつであり、話すたびに賢くなる音声対話システムの実現につながるものです。

近年、音声応答を行うロボットやアプリが数多く公開されていますが、基本的に事前に登録された単語のみを認識する仕組みとなっています。それ以外の単語（未知語）が発話に含まれると、知っている単語群で置き換えられるため、「単語」として正しく認識できません。もし、「知らない単語」の部分を正しく特定できれば、人に聞いてその意味を学習することができます。

未知語の特定を行うため、自然言語処理における「教師なし単語分割」手法を音声へ適用しています。その際、未知語特定に有効な「音表現の単位」は自明ではありません。音素や音節、既知の単語リストから計算される「発音構成パターンに基づく単位」に関して、未知語特定性能の比較を行いました。

本研究成果は、2018年12月20日（木）13時（東ヨーロッパ時間）〔12月20日（木）20時（日本時間）〕に、音声言語理解の国際会議IEEE Workshop on SpokenLanguage Technologyで発表されました。論文はproceedingsに採録されています。

タイトル：“Word Segmentation from Phoneme Sequences based on Pitman-Yor Semi-Markov Model Exploiting Subword Information”
著者名： Ryu Takeda, Kazunori Komatani and Alexandar I. Rudnicky

本研究は、日本学術振興会（JSPS）頭脳循環プログラム「グローバル分子技術実装ネットワークの構築」の一環として行われました。