[論文レビュー] Grapheme-to-Phoneme Conversion using Multiple Unbounded Overlapping Chunks

François Yvon|ArXiv.org|Aug 14, 1996

Speech Recognition and Synthesis被引用数 51

ひとこと要約

本稿では、DedinaとNusbaumの類推ベースのアプローチを拡張し、複数の無限大で重複するチャンクを用いたグラフィム-フォノーム（G2P）変換モデルを提案する。重複するチャンクを許容し、構造的基準に基づくパースのランク付けを行うことで、元のモデルよりも顕著に性能向上を達成し、未知の語に対して高い正確性を発揮しながら計算効率を維持する。

ABSTRACT

We present in this paper an original extension of two data-driven algorithms for the transcription of a sequence of graphemes into the corresponding sequence of phonemes. In particular, our approach generalizes the algorithm originally proposed by Dedina and Nusbaum (D&N) (1991), which had originally been promoted as a model of the human ability to pronounce unknown words by analogy to familiar lexical items. We will show that DN's algorithm performs comparatively poorly when evaluated on a realistic test set, and that our extension allows us to improve substantially the performance of the analogy-based model. We will also suggest that both algorithms can be reformulated in a much more general framework, which allows us to anticipate other useful extensions. However, considering the inability to define in these models important notions like lexical neighborhood, we conclude that both approaches fail to offer a proper model of the analogical processes involved in reading aloud.

研究の動機と目的

• 規則ベースおよび分類ベースのG2Pシステムの限界、特に不規則語や新言語に対しての限界を是正すること。
• 個々のグラフィムレベルの分類ではなく、語彙的チャンクに依存するDedinaとNusbaumの類推ベースのG2Pモデルを拡張すること。
• 類推ベースのモデルの未知語、特に擬似語に対する一般化性能を向上させること。
• チャンクベースのモデルが人間の音声読み上げプロセスの妥当な認知的モデルとして機能しうるかを検討すること。
• チャンクベースのモデルに内在する構造的・表現的欠陥を特定し、それらが語彙的近傍性や類推的推論を適切にモデル化できない理由を解明すること。

提案手法

• 既知の語から得られる複数の無限大で重複するチャンクを基盤とする、SMPAと呼ばれる新しいアルゴリズムを提案する。
• 語彙を個々のグラフィムではなく、グラフィム-フォノームチャンクペアの集合として扱う。
• 複数の重複チャンク組み合わせの中から最良のパースを選択評価するための構造的ランク付け基準（式1）を適用する。
• チャンク上での正規文法フレームワークを用いて変換プロセスをモデル化し、曖昧性の解消を可能にする。
• 個々のグラフィムに対するルール学習ではなく、既存の語彙的チャンクの再結合に焦点を当てる非分類的アプローチを実装する。
• 本モデルは、フォノーム-グラフィム変換やストレス割り当てといった関連タスクへも拡張可能であると提言する。

実験結果

リサーチクエスチョン

• RQ1 重複チャンクを用いた類推ベースのG2Pモデルは、現実的テストセットにおいて、元のDedinaとNusbaumのアルゴリズムを上回る性能を示せるか？
• RQ2 チャンクベースのモデルは、どれほど人間の擬似語発音に類似した発音を再現できるか？
• RQ3 高い正確性を示すにもかかわらず、なぜチャンクベースのモデルは語彙的近傍性や類推的推論を適切にモデル化できないのか？
• RQ4 パースの構造的ランク付けを、確率的拡張を許容する一般枠組み内で形式化できるか？
• RQ5 より豊かな語彙表現（例：品詞タグ）をチャンクベースのモデルに統合することで、性能向上が図れるか？

主な発見

• 元のDedinaとNusbaumのアルゴリズムは、現実的テストセットにおいて性能が低く、一般化能力は期待に反して低い。
• 提案されたSMPAアルゴリズムは、元のモデルを著しく上回り、未知語に対する正確性が向上している。
• SMPAは、非分類的でチャンクベースのアプローチがG2P変換に非常に有効であることを示している。
• 人間の擬似語発音に類似した発音を高い正確性で再現しているにもかかわらず、SMPAおよび元のモデルは語彙的近傍性や類推的推論を適切にモデル化していない。
• 本フレームワークは、フォノーム-グラフィム変換やストレス割り当てといった他のタスクへ一般化可能である。
• モデルがチャンク再結合に依存しているため、「類似語彙的項目」や「語彙的近傍性」といった重要な認知的概念を定義できない。