초록 ▼

음성언어인식을 위해서는 음성입력으로부터 발음된 단어를 찾아내는 음성인식기술뿐만 아니라, 단어들의 결합관계를 연구하여 화자가 어떤 문장을 전달하고자 하였는가를 알아내주는 자연어처리기술의 적용이 필수적이며, 이들 요소기술의 밀접한결합이 요구된다. 본 과제에서는 은닉 마르코프 모델 방식의 연속음성인식 시스템의 기본구성요소 중에서 (1) 인식대상 어휘의 발음정보를 가지고 있는 음성사전의 발음열을 음운변화 현상의 분석을 이용해서 자동 생성하는 연구와 (2) 자연어처리 기술을 적용할 수 있게해주는 언어모델을 의도 분석을 이용한 대화

음성언어인식을 위해서는 음성입력으로부터 발음된 단어를 찾아내는 음성인식기술뿐만 아니라, 단어들의 결합관계를 연구하여 화자가 어떤 문장을 전달하고자 하였는가를 알아내주는 자연어처리기술의 적용이 필수적이며, 이들 요소기술의 밀접한결합이 요구된다. 본 과제에서는 은닉 마르코프 모델 방식의 연속음성인식 시스템의 기본구성요소 중에서 (1) 인식대상 어휘의 발음정보를 가지고 있는 음성사전의 발음열을 음운변화 현상의 분석을 이용해서 자동 생성하는 연구와 (2) 자연어처리 기술을 적용할 수 있게해주는 언어모델을 의도 분석을 이용한 대화처리 방식으로 구현하여서 연속음성인식 시스템의 인식률 향상을 얻는 연구를 수행하였다.음성인식이나 음성합성시 필요한 발음열을 수작업으로 작성할 경우 작성자의 음운변화현상에 대한 전문적 언어지식을 비롯하여 많은 시간과 노력이 요구되며, 일관성을 유지하기도 쉽지 않다. 또한 한국어의 음운 변화 현상은 단일 형태소의 내부와, 복합어에서 결합된형태소의 경계점, 여러 형태소가 결합해서 한 어절을 이룰 경우 그 어절 내부의 형태소의경계점, 여러 어절이 한 언절을 이룰 때 구성 어절의 경계점에서 서로 다른 적용 양상을 보인다. 본 연구에서는 이러한 문제를 해결하기 위해서 형태음운론적 분석에 기반하여 문자열을 자동으로 발음열로 변환하는 발음 생성 시스템을 제안하였다. 이 시스템은 한국어에서 빈번하게 발생하는 음운변화 현상의 분석을 통해 정의된 음소 변동 규칙과 변이음 규칙을 다단계로 적용하여 가능한 모든 발음열을 생성한다.구어체 한국어는 말의 어순이 매우 자유로운 특성을 가지고 있어서 인식 시스템의 혼잡도(perplexity)를 높이는 요인이 된다. 혼잡도가 높아지면 음성 인식 과정에서 잘못된단어를 인식할 가능성이 커지게 되어 인식 성능의 저하 현상이 나타난다. 혼잡도를 줄이고 인식 오류를 줄이기 위해서는 화자가 자연스러운 발화를 하게 하면서도 인식 과정에서는단어 후보에 많은 제약을 줄 수 있는 효과적인 언어 모델을 필요로 한다. 본 논문에서는의도 분석을 적용한 효과적인 언어 모델을 사용하여 음성 대화 시스템의 성능을 향상시킬수 있음을 제안한다. 의도 예측 정보를 이용하여 각 의도별로 의도 종속 언어 모델을 따로 구성하고, 이를 인식 과정에 적용함으로써 인식 성능을 개선시킬 수가 있었다. 의도를적용한 문법을 사용할 때와 의도를 적용하지 않은 기존의 방법을 사용했을 때의 인식률을비교 평가하였는데, 의도 정보를 사용했을 경우가 그렇지 않은 경우보다 20%가량 향상된인식 정확률을 보였고, 혼잡도도 기존 방법보다 절반가량 줄어 들었다.

Abstract ▼

Continuous speech recognition requires a close couplingbetween speech recognition, which helps to find target words from raw speech signals,and natural language processing, which helps to find the target sentence based onrelationships of words. In order to improve recognition accurac

Continuous speech recognition requires a close couplingbetween speech recognition, which helps to find target words from raw speech signals,and natural language processing, which helps to find the target sentence based onrelationships of words. In order to improve recognition accuracy of Hidden MarkovModel-based continuous Korean speech recognition systems, we have developed anautomatic pronunciation generator and an itentional analysis-based language model.Many speech recognition systems have used pronunciation lexicon with possiblemultiple phonetic transcriptions for each word. The pronunciation lexicon is oftenmanually created. This process requires a lot of time and efforts, and furthermore, itis very difficult to maintain consistency of lexicon. To handle these problems, wepresent a model based on morphophonological analysis for automatically generatingKorean pronunciation variants. By analyzing phonological variations frequently found inspoken Korean, we have derived about 700 phonemic contexts that would trigger themultilevel application of the corresponding phonological process, which consists ofphonemic and allophonic rules. In generating pronunciation variants, morphologicalanalysis is preceded to handle variations of phonological words. According to themorphological category, a set of tables reflecting phonemic context is looked up togenerate pronunciation variants. In an experiment the automatic pronunciationgenerator produces mostly correct pronunciation variants of phonological wordsconsisting of several morphemes.Spoken Korean has a very flexible word order, which results in the increase of theperplexity of the language model. In order to reduce the perplexity and, therebyincrease the accuracy of the speech recognition system, we need an effective languagemodel, which not only enables a speaker to utter as natural as possible, but alsorestricts word hypotheses. In this research, we propose that an intention analysisproduces more effective language model for continuous speech recognition. When theintention-dependent language model was applied, the perplexity was reduced by half andthe performance was improved by 20%.

목차 Contents

• I. 본문...7
• I. 서론...7
• II. 음운 변화 규칙의 다단계 적용을 통한 발음열 자동 생성...7
• III. 의도분석 기반의 언어모델을 이용한 음성언어인식...18
• IV. 결론...30
• V. 인용문헌...32
• II. 기타...34
• 1. 연구수행관련 논문발표목록서...34
• 2. 자체평가서...35