[논문]대화체 연속음성인식을 위한 확장 다중발음 사전에 관한 연구

강병옥

대화체 연속음성인식을 위한 확장 다중발음 사전에 관한 연구
A Study on the Multiple Pronunciation Dictionary for Spontaneous Speech Recognition 원문보기

강병옥 (한국전자통신연구원 음성처리연구팀)

본 논문에서는 대화체 연속음성인식 과정에서 사용되는 다중발음사전의 개념을 확장하여 대화체 발화에 빈번하게 나타나는 불규칙한 발음변이 현상을 포용하도록 한 확장된 발음사전의 방법을 적용하여 대화체 연속음성인식에서 인식성능의 향상을 가져오게 됨을 실험을 통해 보여준다. 대화체 음성에서 빈번하게 나타나는 음운축약 및 음운탈락, 전형적인 오발화, 양성음의 음성음화 등의 발음변이는 언어모델의 효율성을 떨어뜨리고 어휘 수를 증가시켜 음성인식의 성능을 저하시키고, 또한 음성인식 결과로 나타나는 출력형태가 정형화되지 못하는 단점을 가지고 있다. 이에 이러한 발음변이들을 발음사전에 수용할 때 각각의 대표어휘에 대한 변이발음으로 처리하고, 언어모델과 어휘사전은 대표어휘만을 이용해 구성하도록 한다. 그리고, 음성인식기의 탐색부에서는 각각의 변이발음의 발음열도 탐색하되 대표어휘로 언어모델을 참조하도록 하고, 인식결과를 출력하도록 하여 결과적으로 인식성능을 향상시키고, 정형화된 출력패턴을 얻도록 한다. 본 연구에서는 어절단위 뿐 아니라 의사형태소[2] 단위의 발음사전에도 발음변이를 포용하도록 하여 실험을 하였다. 실험을 통해 어절단위의 다중발음사전 구성을 통해 ERR 10.9％, 의사형태소 단위의 다중발음 사전의 구성을 통해 ERR 4.3％의 성능향상을 보였다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 논문에서는 대화체 연속 음성에서 빈번하게 나타나는 이러한 불규칙한 발음변이를 현상을 포용하도록 한 확장된 다중 발음 사전의 방법을 이용하여 한국어 대화체 연속음성인식기의 성능을 향상시킬 수 있음을 실험을 통해 보여준다. 특히 인식 단위를 의사형태소 단위로 했을 경우의 발음 사전에 앞서의 대화체 음성의 발음변이를 포용하도록 의사형태소 기반 다중발음사전을 구성하였고, 그 실험 결과를 보여준다.

제안 방법

본 논문에서는 대화체 연속 음성에서 빈번하게 나타나는 불규칙한 발음변이를 현상을 처리하기 위해 확장된 다중발음사전의 방법을 이용하였고, 이를 바탕으로 인식 성능 실험을 하였다. 특히 인식 단위를 의사형태소 단위로 했을 경우의 발음 사전에 대화체 음성의 발음변이를 포용 하도록 한 의사형태소 기반 다중발음사전을 구성하였고, 그 실험 결과를 보여준다.
우선 3.1에서 설명된 여행 계획 3차, 여행계획 4차 DB를 이용하여 어절을 인식 단위로 하여 인식테스트를 하였다. 텍스트 처리 결과 총 11,496문장의 전체 어절 중 약 14.
의사 형태소를 인식 단위로 할 경우 인식 성능 평가를 위해 본연구팀이 보유한 대화체 휴대폰 전화 음성 DB를 활용하였다. 실험에 사용된 음성 데이터는 총 37시간 2만문장 분량으로 크게 여행자 영역과 ARS 영역으로 나눠 실제 대화 상황을 가정한 시나리오를 바탕으로 실제로 2인1조로 대화한 음성을 녹음한 DB이다.
인식 성능 실험을 하였다. 특히 인식 단위를 의사형태소 단위로 했을 경우의 발음 사전에 대화체 음성의 발음변이를 포용 하도록 한 의사형태소 기반 다중발음사전을 구성하였고, 그 실험 결과를 보여준다. 확장된 다중발음사전을 통해 언어 모델의 효율성을 높여 결과적으로 인식 성능이 향상되었고, 정형화된 출력패턴을 얻을 수 있었다.
실험을 통해 보여준다. 특히 인식 단위를 의사형태소 단위로 했을 경우의 발음 사전에 앞서의 대화체 음성의 발음변이를 포용하도록 의사형태소 기반 다중발음사전을 구성하였고, 그 실험 결과를 보여준다.

대상 데이터

활용하였다. 실험에 사용된 음성 데이터는 총 37시간 2만문장 분량으로 크게 여행자 영역과 ARS 영역으로 나눠 실제 대화 상황을 가정한 시나리오를 바탕으로 실제로 2인1조로 대화한 음성을 녹음한 DB이다. 실제영역 환경에서의 잡음 특성과 특히 대화체 음성 특성이 많이 반영된 음성DB이다.
실험에 활동된 대화체 음성 및 텍스트DB는 기존에 본 연구팀에서 보유한 유선전화음성 DB인 여행계획 3차, 여행계획 4차 DB를 활용하였다. 여행 계획 DB는 시나리오를 바탕으로 한 여행사 직원과 고객과의 자연스런 대화를 수집한 것으로 호텔 예약, 여행 문의 등을 비롯한 복합적인 내용으로 구성되어 있다.
여행 계획 3, 4차를 통합하여 총 11,496문장을 얻어내었고, 이중 9, 642문장을 Train set으로 1,854문장을 Test set으로 활용하였다. 언어 모델 구축 및 테스트를 위해 서는 CMU SLM Toolkit V2를 이용하였다.

이론/모형

set으로 활용하였다. 언어 모델 구축 및 테스트를 위해 서는 CMU SLM Toolkit V2를 이용하였다.

성능/효과

본문에서 설명하는 방식과 같이 확장된 다중 발음사전을 이용하여 탐색에 적용할 경우 각 변이발음에 대한 대표 음만을 가지고 언어 모델을 참조하게 되므로, 언어모델이 좀 더 보강되는 효과를 가져온다. 이를 퍼플렉서티를 기준으로 실험적으로 증명하였다.
5%의 어절이 표준발음과 다르게 발성한 어절이었다. 사용된 음향 모델과 언어모델은 본 연구팀에서 보유한 전화음성DB인 여행계획 DB 총 30시간 분량을 이용하여 훈련하여 구축하였고, 인식 테스트 결과 어절인식률에서 약 10.9%의 ERR을 보임을 알 수 있었다.
실험 결과 다중발음사전을 이용했을 경우 퍼플렉서티 측면에서 12% 정도 성능 향상을 보여, 언어모델의 효율성이 증가됨을 알 수 있다.
인식 테스트 결과 약 4.3%의 ERR을 보임을 알 수 있다.
1에서 설명된 여행 계획 3차, 여행계획 4차 DB를 이용하여 어절을 인식 단위로 하여 인식테스트를 하였다. 텍스트 처리 결과 총 11,496문장의 전체 어절 중 약 14.5%의 어절이 표준발음과 다르게 발성한 어절이었다. 사용된 음향 모델과 언어모델은 본 연구팀에서 보유한 전화음성DB인 여행계획 DB 총 30시간 분량을 이용하여 훈련하여 구축하였고, 인식 테스트 결과 어절인식률에서 약 10.
텍스트 처리 결과 총 19,645문장 중 13%의 어절이 표준발음과 다르게 발음된 어절이었다. 의사 형태소 단위의 다중 발음 사전 구성을 위해 대표 음과 발음변이 텍스트 코퍼스의 태깅 후 의사형태소 단위 대표음/발음변이 쌍을 추출하기 위해 추가적인 작업이 필요하였다.
특히 인식 단위를 의사형태소 단위로 했을 경우의 발음 사전에 대화체 음성의 발음변이를 포용 하도록 한 의사형태소 기반 다중발음사전을 구성하였고, 그 실험 결과를 보여준다. 확장된 다중발음사전을 통해 언어 모델의 효율성을 높여 결과적으로 인식 성능이 향상되었고, 정형화된 출력패턴을 얻을 수 있었다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

대화체 연속음성인식을 위한 확장 다중발음 사전에 관한 연구
A Study on the Multiple Pronunciation Dictionary for Spontaneous Speech Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

대화체 연속음성인식을 위한 확장 다중발음 사전에 관한 연구 A Study on the Multiple Pronunciation Dictionary for Spontaneous Speech Recognition 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

대화체 연속음성인식을 위한 확장 다중발음 사전에 관한 연구
A Study on the Multiple Pronunciation Dictionary for Spontaneous Speech Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper