초록

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

한국어 숫자는 각 숫자가 단음절로 이루어져 있으며, 연속적으로 발음될 때 인접 숫자들의 상호조음현상에 의해 각 숫자의 고유 발음이 변화하고, 또한 그 숫자들의 경계도 모호해지는 문제점이 있다. 한편 연속적인 숫자의 발성을 기대하는 인식시스템에 반하여 일부 사용자는 숫자들을 고려시켜서 발성하기도 한다. 이는 연결숫자의 음운현상만을 고려한 인식 시스템에서는 성능저하의 한 원인이 된다 본 논문에서는 연결숫자의 인식성능 향상을 위해서 한국어 숫자들의 음운 변화를 고려하여 변이음군을 정하였으며, 사용자의 여러 가지 발성형태에 따른 다양한 음운 현상의 변화를 흡수 할 수 있도록 인식 네트웍을 구성하는 방식을 검토하였다. 전화망 4연숫자음을 이용한 화자독립 인식실험을 통해서 한국어 숫자에서 자주 오인식 되는 '이', '오', '일' 인식 성능이 각각 $4..2\%$, $4.2\%$, $2.9\%$씩 향상되었으며, 인식속도도 $33\%$의 개선이 있었다

한국어 숫자는 각 숫자가 단음절로 이루어져 있으며, 연속적으로 발음될 때 인접 숫자들의 상호조음현상에 의해 각 숫자의 고유 발음이 변화하고, 또한 그 숫자들의 경계도 모호해지는 문제점이 있다. 한편 연속적인 숫자의 발성을 기대하는 인식시스템에 반하여 일부 사용자는 숫자들을 고려시켜서 발성하기도 한다. 이는 연결숫자의 음운현상만을 고려한 인식 시스템에서는 성능저하의 한 원인이 된다 본 논문에서는 연결숫자의 인식성능 향상을 위해서 한국어 숫자들의 음운 변화를 고려하여 변이음군을 정하였으며, 사용자의 여러 가지 발성형태에 따른 다양한 음운 현상의 변화를 흡수 할 수 있도록 인식 네트웍을 구성하는 방식을 검토하였다. 전화망 4연숫자음을 이용한 화자독립 인식실험을 통해서 한국어 숫자에서 자주 오인식 되는 '이', '오', '일' 인식 성능이 각각 $4..2\%$, $4.2\%$, $2.9\%$씩 향상되었으며, 인식속도도 $33\%$의 개선이 있었다

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 연결 숫자인식은 음성 다이얼링, 증권거래, 은행업무 서비스 둥의 다양한 응용분야가 있으나, 한국어 숫자의 특성에 따른 문제 및 배경잡음이나 채널에 의한 왜곡에 따른 문제점들로 인해 서비스에 만족할 정도의 성능을 얻지 못하는 것이 현실이다. 본 논문에서는 배경잡음이나 채널왜곡 등에 의한 환경불일치 문제의 완화 보다는 한국어 숫자의 특성에 기인한 연결 숫자인식의 어려움을 완화시킴으로써 인식성능을 향상시키고자 한다. 한국어 숫자는 인접 숫자에 의한 영향으로 다양한 변이음이 발생하는데, 이를 고려하여 변이음군을 정의하고, 사용자의 발성형태에 따른 다양한 음운 현상의 변화를 흡수 할 수 있도록 연결 숫자인식 네트웍을 구성한다.
• 본 논문에서는 배경잡음이나 채널왜곡 등에 의한 환경불일치 문제의 완화 보다는 한국어 숫자의 특성에 기인한 연결 숫자인식의 어려움을 완화시킴으로써 인식성능을 향상시키고자 한다.
• 본 논문에서는 한국어 연결숫자 인식시스템의 성능을 향상시키기 위해 숫자 사이의 다양한 음운변화 및 숫자에서 자주 오인식이 일어나는 쌍들에 대한 특징 분석에 근거하여 변이음군을 정의하고, 인식네트웍에서 사용자의 발성 형태에 따른 다양한 음운변화를 흡수 할 수 있도록 네트웍을 구성하였다. 제안된 방법에 의해 한국어 숫자에서 자주 오인식되는 '이', '오', '일' 인식 성능이 각각 4.
• 본 논문에서는 한국어 연결숫자 인식시스템의 성능을 향상시키기 위해 숫자 사이의 다양한 음운변화 및 숫자에서 자주 오인식이 일어나는 쌍들에 대한 특징 분석에 근거하여 변이음군을 정의하고, 인식네트웍에서 사용자의 발성 형태에 따른 다양한 음운변화를 흡수 할 수 있도록 네트웍을 구성하였다.

제안 방법

• 번호나 돈의 단위 (원), 시간표시(년, 월, 일, ...) 등에는 한자어 계통이 주로 쓰이므로 본 논문에서는 한자어 계통의, 영, 공, 일, 이, 삼, 사, 오, 육/륙, 칠, 팔, 구, 의 11개 숫자에 국한하여 그 특징을 살펴본다.
• 번호나 돈의 단위(원), 시간표시(년,월,일, ...) 등에는 한자어 계통이 주로 쓰이므로 본 논문에서는 한자어 계통의 '영, 공, 일, 이, 삼, 사, 오, 육/륙, 칠, 팔, 구'의 11개 숫자에 국한하여 그 특징을 살펴본다.
•  한편 그림 1과 2에서 보는바와 같이 'ㄱ'이 안울림 터짐소리의 제 음가대로 발성이 되는 경우에도 '오' 앞에 약한 혀차기나 입술 부딪히는 소리가 있는 경우 '구'로 오인하기 쉽다. 이러한 문제를 완화하기 위해서 숫자 사이에 garbage 모델을 넣는 방법도 가능하지만, 본 논문에서는 연속음성인식에 기본적으로 사용되는 short pause모델을 보다 정교하게 구성하여 이 문제를 완화하였다. 본 논문에서 사용한 short pause 모델은 그림 4와 같다.
•  한편 그림 1과 2에서 보는바와 같이 'ㄱ'이 안울림 터짐소리의 제 음가대로 발성이 되는 경우에도 '오' 앞에 약한 혀차기나 입술 부딪히는 소리가 있는 경우 '구'로 오인하기 쉽다. 이러한 문제를 완화하기 위해서 숫자 사이에 garbage 모델을 넣는 방법도 가능하지만, 본 논문에서는 연속음성인식에 기본적으로 사용되는 short pause모델을 보다 정교하게 구성하여 이 문제를 완화하였다. 본 논문에서 사용한 short pause 모델은 그림 4와 같다.
• 인지적으로도 '일'과 '칠'에서의 ' #'와 '이'의 'ㅣ'는 음소의 시작부분의 세기나 길이, 고저 등에 있어서 차이가 있음을 알 수 있으므로 이를 고려하여 'ㅣ'를 혀옆소리 'ㄹ' 앞의 'ㅣ'(이후 /ii/로 언급)와 그 외의 'ㅣ'(이후 /i/로 언급)로 구분한다.
• 전화망의 채널왜곡을 보상하기 위해 CMS를 적용하였다.

대상 데이터

• 사용된 모델은 single mixture의 triphone-based HMM이며, 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38 차 파라메터를 사용하였그, 각 모델은 3개의 상태를 가진다. 결정트리기반의 c.ustering을 이용하여 전체 상태수를 약 490개로 제한하였다. 전화망의 채널왜곡을 보상하기 위해 CMS를 적용하였다.
• 본 논문에서 사용된 음성데이터는 원광대에서 구축한 전화음성 엔진 평가용 연속음성 DB의 일부를 사용하였 다[3].
• 본 논문에서 사용된 음성데이터는 원광대에서 구축한 전화음성 엔진 평가용 연속음성 DB의 일부를 사용하였디[3].
• 본 논문에서 사용된 음성데이터는 원광대에서 구축한 전화음성 엔진 평가용 연속음성 DB의 일부를 사용하였디[3]. 사용된 모델은 single mixture의 triphone-based HMM이며, 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38 차 파라메터를 사용하였그, 각 모델은 3개의 상태를 가진다. 결정트리기반의 c.
• 사용된 모델은 single mixture의 triphone-based HMM이며, 음성특징 파라메터로는 12차 MFCC와 에너지 기반의 38 차 파라메터를 사용하였그, 각 모델은 3개의 상태를 가진다.

이론/모형

• ustering을 이용하여 전체 상태수를 약 490개로 제한하였다. 전화망의 채널왜곡을 보상하기 위해 CMS를 적용하였다.

성능/효과

• 2%. 2.9%씩 향상되었으며, 숫자열에 대한 인식률은 약 4% 개선되었다. 숫자열에 대한 인식률 개선이 두드러진 것은 아니지만 약 33%의 인식의 속도의 개선이 있었고, 음운변화의 특성을 고려하여 변이음군을 정의하고 이에 따라 인식네트웍에 제약을 가함으로써 성능이 향상됨을 확인할 수 있었다.
• 9%씩 향상되었으며, 숫자열에 대한 인식률은 약 4% 개선되었다. 숫자열에 대한 인식률 개선이 두드러진 것은 아니지만 약 33%의 인식의 속도의 개선이 있었고, 음운변화의 특성을 고려하여 변이음군을 정의하고 이에 따라 인식네트웍에 제약을 가함으로써 성능이 향상됨을 확인할 수 있었다.
• 숫자열에 대한 인식률 개선이 두드러진 것은 아니지만 약 33%의 인식의 속도의 개선이 있었고, 음운변화의 특성을 고려하여 변이음군을 정의하고 이에 따라 인식네트웍에 제약을 가함으로써 성능이 향상됨을 확인할 수 있었다.
• 7%이며, '이'를 '일'로, '일'을 '칠'으로, '오'를 '구'로 오인하는 것이 오인식의 대부분을 차지한다. 숫자음 인식의 성능 향상을 위해 2절에 설명된 것과 같이 'ㅣ'음을 /ii/와 /i/의 두개로 분리하여 19개의 변이음을 정의 하였으며, 그림 4와 같은 short pause 모델을 직용하고, 인식네트웍을 허용 가능한 변이음 시퀀스 만으로 제약하였을 경우 개별 숫자 인식률이 94.85%, 숫자열 인식률이 82.17%였다. 전체적인 성능향상이 확연한 것은 아니다.
• Baseline 인식 시스템은 표 1에서 /n/, /G/, /gg/를 제외하고, '이' 의 'ㅏ'만을 따로 취급하여 16개 변이음을 사용하였으며, 인식 네트웍은 변이음 사이의 연결에 제약을 두지 않았다. 이 시스템의 성능은 개별숫자 인식률이 93.60%, 숫자열 인식률이 78.14%였다. Baseline의 숫자 confitsionmatrix를 표 2에 나타내었다
• 인식속도에 있어서는 Pentium III 1GHz dual CPU에 1GB의 메모리를 가진 시스템에서 인식속도의 33%의 개선이 있었다.
• 제안된 방법에 의해 한국어 숫자에서 자주 오인식되는 '이', '오', '일', 인식 성능이 각각 4.2%, 4.2%.
• 제안된 방법에 의해 한국어 숫자에서 자주 오인식되는 '이', '오', '일' 인식 성능이 각각 4.2%, 4.2%.
• 5%로 향상되었음을 알 수 있다. 즉 한국어 숫자의 특징 분석 결과를 토대로 그 특성을 반영시켜 성능을 개선시킬 수 있는 가능성을 확인할 수 있었다. 한가지 특이한 것은 대부분의 개별 숫자의 인식률은 향상되거나 거의 비슷한 수준인데, '사'의 인식률은 오히려 97.
• 즉 한국어 숫자의 특징 분석 결과를 토대로 그 특성을 반영시켜 성능을 개선시킬 수 있는 가능성을 확인할 수 있었다.

후속연구

• 오류분석을 통해 추가적인 숫자의 변별특징을 반영한다면 추가적인 성능 향상이 있을 것으로 기대 된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기