$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

비교사 분할 및 병합으로 구한 의사형태소 음성인식 단위의 성능
Performance of Pseudomorpheme-Based Speech Recognition Units Obtained by Unsupervised Segmentation and Merging 원문보기

말소리와 음성과학 = Phonetics and speech sciences, v.6 no.3, 2014년, pp.155 - 164  

방정욱 (충북대학교) ,  권오욱 (충북대학교)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a new method to determine the recognition units for large vocabulary continuous speech recognition (LVCSR) in Korean by applying unsupervised segmentation and merging. In the proposed method, a text sentence is segmented into morphemes and position information is added to morphem...

주제어

#Pseudomorpheme   #Korean LVCSR  

질의응답

핵심어 질문 논문에서 추출한 답변
형태소란? 형태소는 음성언어에서 의미를 가지는 가장 작은 요소이다 [5]. 형태소 단위는 <그림 1>과 같이 형태소 분석기를 이용하여 생성된다.
한국어 텍스트로부터 인식단위를 구하는 방법에는 어떤 것들이 있는가? 한국어 텍스트로부터 인식단위를 구하는 방법은 형태소 분할과 비교사(unsupervised) 분할 방법이 있다. 형태소 분할 방법[1][2][3]은 형태소 분석기를 이용하여 한국어 문장을 형태소 단위로 분할하고, 빈도가 높은 형태소를 병합하여 인식단위로 사용한다.
대어휘 연속음성인식 단위로 음소를 선택했을 때의 장단점은? 한국어 대어휘 연속음성인식(large vocabulary continuous speech recognition; LVCSR)을 위한 인식단위로는 음소, 음절, 형태소, 어절이 가능하다[1][2][3]. 음소 단위 인식기의 경우 어휘 개수는 음소 개수와 같으므로 인식과정은 단순하나, 인식단위의 평균 지속시간이 짧고, 음소간의 언어모델이 적용되므로 인식률이 저하된다. 어절 단위 인식기의 경우 말뭉치의 양이 제한되므로 강인한 언어모델은 구하기가 어렵지만, 인식단위의 평균 지속시간이 길어지므로 탐색기에서 넓은 범위의 문맥을 고려할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. Kwon, O.-W., Hwang, K. & Park, J. (1999). Korean large vocabulary continuous speech recognition using pseudomorpheme units. Proc. EUROSPEECH, 483-486. 

  2. Yu, H.-J., Kim, H., Choi, J.-S. & Hong, J.-M. (1998). Automatic recognition of Korean broadcast news speech. Proc. ICSLP. 

  3. Kwon, O.-W. & Park, J. (2003). Korean large vocabulary continuous speech recognition with morpheme-based recognition units. Speech Communication, Vol. 39, No. 3-4, 287-300. 

    상세보기 crossref

  4. Creutz, M. & Lagus, K. (2002). Unsupervised discovery of Morphemes. Proc. ACL-02 Workshop on Morphological and Phonological Learning, 21-30. 

  5. 김영택, 옥철영, 이호석, 윤덕호, 강승식, 심광섭, 윤성희, 서병락, 이재원, 김유섭, 이종우, 오장민, 김선, 권혁철, 서영훈, 이근배, 문유진, 이하규, 장병탁, 양재형, 양승현, 김성동, 박성배, 장정호, 황규백, 신형주. (2001). 자연언어처리. 서울 : 생능출판사. 

  6. Creutz, M. (2006). Induction of the Morphology of Natural Language: Unsupervised Morpheme Segmentation with Application to Automatic Speech Recognition, Ph.D. Dissertation, Helsinki University of Technology, Finland. 

  7. Schuster, M. & Nakajima, K. (2012). Japanese and Korean voice search. Proc. ICASSP, 5149-5152. 

  8. Creutz, M. & Lagus, K. (2006). Morfessor in the Morpho Challenge. Proc. PASCAL Challenge Workshop on Unsupervised Segmentation of Words into Morphemes. 

  9. Creutz, M. (2003). Unsupervised segmentation of words using prior distributions of morph length and frequency. Proc. ACL-03, 280-287. 

  10. Siivola, V., Hirsimaki, T., Creutz, M. & Kurimo, M. (2003). Unlimited vocabulary speech recognition based on morphs discovered in an unsupervised manner. Proc. EUROSPEECH, 2293-2296. 

  11. Hirsimaki, T., Creutz, M., Siivola, V., Kurimo, M., Virpioja, S. & Janne. (2006). Unlimited vocabulary speech recognition with morph language models applied to Finnish. Computer Speech & Language, Vol. 20, No. 4, 515-541. 

    상세보기 crossref

  12. Kwon, O.-W., Kim, H., Kwon, S., Yun, S., Jang, G., Kim, Y.-R., Kim, B.-W., Yoo, C., & Lee, Y.-J. (2007). Development of a Korean large vocabulary continuous speech recognition platform (ECHOS). Proc. O-COCOSDA, 108-111. 

  13. Stolcke, A. (2002). SRILM-An extensible language modeling toolkit. Proc. INTERSPEECH, 901-904. 

  14. Povey, D., Ghoshal, A., Boulianne, G., Burget, L., Glembek, O., Goel, N., & Vesely, K. (2011). The Kaldi speech recognition toolkit. Proc. ASRU, 1-4. 

  15. Downloading Kaldi. http://kaldi.sourceforge.net/install.html. 

  16. 박종렬, 권오욱, 김도영, 최인정, 정호영, 은종관. (1995). 한국어 음성 인식을 위한 음성 데이터 수집. 음향학회지, 14권 4호, 74-81. 

  17. 최인정, 권오욱, 박종렬, 박용규, 김도영, 정호영, 은종관. (1995). 대용량 한국어 연속음성인식 시스템 개발. 음향학회지, 14권 5호, 44-50. 

  18. Jurafsky, D. and Martin, J. H. (2008). Speech and Language Processing, 2e. 95. 

  19. Openmoko wiki. (2012). Google Voice Recognition. http://wiki.openmoko.org/wiki/Google_Voice_Recognition. 

  20. Zipf's law, http://en.wikipedia.org/wiki/Zipf%27s_law. 

  21. Jurafsky, D. and Martin, J. H. (2008). Speech and Language Processing, 2e. 4.5.2 Good-Turing Discounting. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로