선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 조음의 위치와 방법에 따른 자소 음가에 따른 분류방법에 관한 연구한 결과를 제시하고자 하며, 음소-레벨의 음성인식에서 음소에 따른 질의어 집합을 구성하기 위한 PLU를 45개로 분류하였으며, 분류 근거는 한국어 맞춤법 표기에서 주로 많이 틀리는 (니,내用D를 하나로, 그리고 너】, H)를 하나로, 그리고 ( 冃，키)를 하나의 음소로 분류하였는데, 이것은 청음음성학(auditory phonetics)적인 분류를 강조한 것이다[4].
제안 방법
- HTK에서 적용한 특징 파라미터는 MFCC# 12차로 하였으며, 차의 에너지와 각각의 특징 파라미터에 대하여 델타(delta) Cepstrum을 적용하였다. HMM State는 5로 하였고, Tri-Phone 모델을 사용하였다.
- KW음운 변동기는 음절의 끝소리, 자음동화, 구개음화, 모음동화, 모음조화, 축약과 탈락, 된소리현상, 사잇소리현상, 그리고 예외 사전으로 구성하였다.
- KWPLU는 KW음운변동기에 의한 발음법칙과 예외법칙에 의해 자소열로 구분한 음소를 가지고 적용 하였고, 이 음운변동기에는 저자가 제안한 사이시옷현상을 '人'추가 8종성으로 구분하여 작성하였다.
- KWPLU는 KW음운변동기에 의한 발음법칙과 예외법칙에 의해 자소열로 구분한 음소를 가지고 적용 하였고, 이 음운변동기에는 저자가 제안한 사이시옷현상을 '人'추가 8종성으로 구분하여 작성하였다.
- 본 논문에서는 IPA와 TIMIT DB와 영문음성학, 국문음성학 문헌을 참조하여 한국어 자소를 다음과 같이 분류하였다. 우선 자음의 분류는 조음방법과 위치에 따라 구분 하였으며, 모음은 혀의 위치와 입술의 모양으로 구분하였다⑵⑶⑷⑹[기⑻[9][111
- 본 논문에서는 IPA와 TIMIT DB와 영문음성학, 국문음성학 문헌을 참조하여 한국어 자소를 다음과 같이 분류하였다. 우선 자음의 분류는 조음방법과 위치에 따라 구분 하였으며, 모음은 혀의 위치와 입술의 모양으로 구분하였다⑵⑶⑷⑹[기⑻[9][111
- 본 논문에서는 조음의 위치와 방법에 따른 자소 음 가에 따른 분류 방법에 관한 연구한 결과를 제시하고 자 하며, 음소-레벨의 음성인식에서 음소에 따른 질의어 집합을 구성하기 위한 PLU를 45개로 분류하였으며, 분류 근거는 한국어 맞춤법 표기에서 주로 많이 틀리는 (니, 내用D를 하나로, 그리고 너】, H)를 하나로, 그리고 ( 冃, 키)를 하나의 음소로 분류하였는데, 이것은 청음 음성학(auditory phonetics)적인 분류를 강조한 것이다[4].
- 위와 같은 질의어 집합(음소는 다음 표 5와 같은 KW PLU에 의거하여 영문 표기로 되吒 이해를 돕기 위해 한글 자소로 표기함.)을 구성하고, Tied Block과 결정 트리를 거처 다음과 같은 실험 결과를 얻었다.
- 한국어 표준발성법에서 7종성으로 분류하고 있는 것을 청음 음성학적으로 접근하여 본 실험에서는 종성 음가의 '人, 의 유효성을 검토하였으며, 일차 실험으로 사이시옷 현상이 나는 것을 '匸이 아닌 '人'종성으로 구분하여 '人, 추가 8종성 체계로 하여 실험을 하였으며, 사이시옷은 '人' 종성이 우수한 결과를 얻어, 人'추가 8종성 체계 분류 방법을 제안하고자 한다.
- 한국어 표준발성법에서 7종성으로 분류하고 있는 것을 청음음성학적으로 접근하여 본 실험에서는 종성음가의 '人，의 유효성을 검토하였으며, 일차 실험으로 사이시옷 현상이 나는 것을 '匸이 아닌 '人'종성으로 구분하여 '人，추가 8종성 체계로 하여 실험을 하였으며, 사이시옷은 '人' 종성이 우수한 결과를 얻어, 人'추가 8종성 체계 분류 방법을 제안 하고자 한다.
이론/모형
- HTK에서 적용한 특징 파라미터는 MFCC# 12차로 하였으며, 차의 에너지와 각각의 특징 파라미터에 대하여 델타(delta) Cepstrum을 적용하였다. HMM State는 5로 하였고, Tri-Phone 모델을 사용하였다. 대상 어휘 단어와 문장은 그림 1과 같은 KW음운 변동기를 이용하여 자소열로 전사된다.
- 표 5와 같은 조건으로 증권거래 문장 72개와 거래소 상장회사 명을 남성화자 20명 여성화자 10명에게 전화로 녹음 받았다. 녹음 형식은 A-law로 하였으며, G.711 의 규약에 의거하여 alaw to linear PCM을 16 bit변환 음성 DB를 가지고 HTK에서 실험하였다.
- 표 5와 같은 조건으로 증권거래 문장 72개와 거래소 상장회사 명을 남성화자 20명 여성화자 10명에게 전화로 녹음 받았다. 녹음 형식은 A-law로 하였으며, G.711 의 규약에 의거하여 alaw to linear PCM을 16 bit변환 음성 DB를 가지고 HTK에서 실험하였다.
성능/효과
- 표 7에서의 결과와 같이 청음 음성학적 요소를 고려했을 경우 이전보다 약 2% 정도의 성능 향상을 얻었다. 그리고 본 실험이 Off-Line상에서 이루어져서 정확한 실시간 인식시간을 얻지는 못하였으나, PLU의 수를 이전의 51개보다 6개를 즐였으므로 인식 결과 시간 또한 줄일 수 있는 효과도 있다.
- 표 7에서의 결과와 같이 청음 음성학적 요소를 고려했을 경우 이전보다 약 2% 정도의 성능 향상을 얻었다. 그리고 본 실험이 Off-Line상에서 이루어져서 정확한 실시간 인식시간을 얻지는 못하였으나, PLU의 수를 이전의 51개보다 6개를 즐였으므로 인식 결과 시간 또한 줄일 수 있는 효과도 있다.
- 본 논문에서는 대용량 음성인식분야에서 기초가 되는 한국어의 자소 음가에 따른 분류방법에 관한 연구를 하였으며, 종전의 방법과 비교하면, 본 연구에서 분류한 방법으로 실험을 하였을 경우 약 2 %의 성능 향상을 얻었다. 그리고, 본 논문의 실험은 Off-Line 환경의 실험으로 이루어 졌지만, 핵심어 검출 시스템이나 연속음성인식에 적용시 제일 큰 문제가 되는 계산시간 문제를 PLU-Set의 감소로 인하여 인식시간 감소에도 도움을 줄 수 있다.
- 본 논문에서는 대용량 음성인식분야에서 기초가 되는 한국어의 자소 음가에 따른 분류방법에 관한 연구를 하였으며, 종전의 방법과 비교하면, 본 연구에서 분류한 방법으로 실험을 하였을 경우 약 2 %의 성능 향상을 얻었다. 그리고, 본 논문의 실험은 Off-Line 환경의 실험으로 이루어 졌지만, 핵심어 검출 시스템이나 연속음성인식에 적용시 제일 큰 문제가 되는 계산시간 문제를 PLU-Set의 감소로 인하여 인식시간 감소에도 도움을 줄 수 있다.
- 본 논문에서는 대용량 음성인식분야에서 기초가 되는 한국어의 자소 음가에 따른 분류방법에 관한 연구를 하였으며, 종전의 방법과 비교하면, 본 연구에서 분류한 방법으로 실험을 하였을 경우 약 2 %의 성능 향상을 얻었다. 그리고, 본 논문의 실험은 Off-Line 환경의 실험으로 이루어 졌지만, 핵심어 검출 시스템이나 연속음성인식에 적용시 제일 큰 문제가 되는 계산시간 문제를 PLU-Set의 감소로 인하여 인식시간 감소에도 도움을 줄 수 있다.
- 본 논문에서는 대용량 음성인식분야에서 기초가 되는 한국어의 자소 음가에 따른 분류방법에 관한 연구를 하였으며, 종전의 방법과 비교하면, 본 연구에서 분류한 방법으로 실험을 하였을 경우 약 2 %의 성능 향상을 얻었다. 그리고, 본 논문의 실험은 Off-Line 환경의 실험으로 이루어 졌지만, 핵심어 검출 시스템이나 연속음성인식에 적용시 제일 큰 문제가 되는 계산시간 문제를 PLU-Set의 감소로 인하여 인식시간 감소에도 도움을 줄 수 있다.
- 표 6은 종전 KWPLU에서 7종성과 '入'추가 88중성에의한 실험 결과로, 인식률이 덜어지는 경우도 있으나, 전체적으로는 약 1% 이상의 성능 향상을 보였다.
- 표 6은 종전 KWPLU에서 7종성과 '入'추가 8종성에 의한 실험 결과로, 인식률이 덜어지는 경우도 있으나, 전체적으로는 약 1% 이상의 성능 향상을 보였다.
- New KWPLU실험은 '人'추가 8종성으로 （冃，키）, 새,베）, （니,내,데）를 유사음소로 묶어시 실험을 한 결과이다. 표 7에서의 결과와 같이 청음 음성학적 요소를 고려했을 경우 이전보다 약 2% 정도의 성능 향상을 얻었다. 그리고 본 실험이 Off-Line상에서 이루어져서 정확한 실시간 인식시간을 얻지는 못하였으나, PLU의 수를 이전의 51개보다 6개를 즐였으므로 인식 결과 시간 또한 줄일 수 있는 효과도 있다.
후속연구
- 앞으로의 과제는 청음음성학적으로 음성을 분류하기 위한 보다 체계적인 연구방법의 모색과, On-Line 상에서의 실험과 보다 많은 검증실험으로 '人'추가 8종성의 유효성 유/무를 검증하는 것과, 현재 45개로 분류한 KWPLU의 구분을 보다 많은 음운학자와 음성학자들과의 논의와 청음 음운학적인 실험을 통하여 분류하는 과제가 남아 있다고 하겠다.
- 앞으로의 과제는 청음음성학적으로 음성을 분류하기 위한 보다 체계적인 연구방법의 모색과, On-Line 상에서의 실험과 보다 많은 검증실험으로 '人'추가 8종성의 유효성 유/무를 검증하는 것과, 현재 45개로 분류한 KWPLU의 구분을 보다 많은 음운학자와 음성학자들과의 논의와 청음 음운학적인 실험을 통하여 분류하는 과제가 남아 있다고 하겠다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.