JP2001013992A - 音声理解装置 - Google Patents

Abstract

(57)【要約】 【課題】必要なキーワードが１つの認識結果候補の中だ
けには存在せずに複数個の認識結果候補の中にそれぞれ
存在した場合でも正しくキーワードを取得する音声理解
装置の提供。 【解決手段】音声認識部１０１が認識結果として得られ
た複数の認識結果候補文と各候補文に含まれる各単語の
スコアを出力し、意味抽出部１０４は、対話管理部１０
６、意味表現記憶部１０７の記憶内容を基に、音声認識
部１０１から出力された複数の各認識結果候補文内にキ
ーワードがあるか否か判定し、存在したキーワードを意
味出力部１０５に出力する。意味抽出部１０４は、一発
声中に同時に存在し得ないキーワードが複数個存在した
場合は、各キーワードに対する音声認識部１０１が出力
したスコアの最も良いもの１つを選択する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力された音声の
認識を行う音声認識装置に関し、特に入力音声の認識結
果よりからユーザーが意図した意味を出力する音声理解
装置に関する。

【０００２】

【従来の技術】連続発声された音声を認識あるいは理解
する装置のために用いられる音声認識方法として、例え
ば特開平８−２４８９８８号公報には、音響処理によっ
て得られた複数の認識結果候補から文法的あるいは意味
的に確率の高い認識結果を得ることにより、認識処理全
体として、高い認識率／意味理解率が得られる音声認識
方法が提案されている。

【０００３】この従来の音声認識方法は、音響処理部が
上位複数個の認識結果候補を出力した後に、言語処理部
が、認識結果候補に対して文法的評価値を与え、音響処
理部によって与えられた音響的評価値と、文法的評価値
を適当な重み付けを行った線形和を、総合的な評価値と
し、総合的な評価値の最も高い候補を認識結果としてい
る。

【０００４】

【発明が解決しようとする課題】しかしながら、上述し
た従来の方法は、下記記載の問題点を有している。

【０００５】すなわち、複数の認識結果候補の中から１
つを選択するため、必要なキーワードが１つの認識結果
候補の中だけには存在せずに、複数個の認識結果候補の
中にそれぞれ存在した場合に、うまくキーワードを取り
出すことができない、ということである。

【０００６】例えばユーザーが「明日のＡ席のチケット
を２枚下さい」と発声し、音声理解装置の出力として望
まれるキーワードが、「明日」、「Ａ席」、「２枚」で
あるものとする。この時、音響処理部における認識結果
は、図２に示す通りになったものとする。なお、図２に
おいて、（）内の数字はスコアを表している。

【０００７】キーワード「明日」、「Ａ席」は、第１位
の認識結果候補に含まれているが、キーワード「２枚」
は、第２位の認識結果候補にしか含まれていず、複数の
認識結果候補の中から１つを選択するためキーワード
「２枚」取り出すことができない。すなわち、必要なキ
ーワードが１つの認識結果候補の中だけには存在せずに
複数個の認識結果候補の中にそれぞれ存在した場合に、
うまく取り出すことができない。

【０００８】したがって本発明は、上記問題点に鑑みて
なされたものであって、その目的は、数個の認識結果候
補文中にキーワードが存在する場合にも、必要なキーワ
ードを正しく出力することができる音声理解装置を提供
することにある。

【０００９】

【課題を解決するための手段】前記目的を達成する本発
明は、音声認識手段から出力された複数個の認識結果候
補中文から各文中に含まれるキーワードを該キーワード
に対応するスコアに基づき選択するキーワード選択手段
を備えている。

【００１０】かかる構成の本発明によれば、複数個の認
識結果候補文中にキーワードが存在する場合にも、正し
く必要なキーワードを出力することができる可能性が増
え、誤認識の修正や音声の再入力の手間などを削減す
る。

【００１１】

【発明の実施の形態】本発明の実施の形態について説明
する。本発明の音声理解装置は、その好ましい実施の形
態において、音声を認識し認識結果の候補として複数の
文章および前記認識結果候補の文章に含まれる各キーワ
ードに対応するスコアを出力する音声認識手段（１０
１）と、音声認識手段（１０１）から出力された複数の
前記キーワードおよび該キーワードに対応する前記スコ
アに基づき、適切なキーワードを選択するキーワード選
択手段（１０４）と、を含む。

【００１２】キーワード選択手段は、一発声中に同時に
存在し得ないキーワードが複数個存在した場合には、音
声認識手段（１０１）から出力された各キーワードに対
するスコアを基に一つのキーワードを選択する。

【００１３】また本発明は、その好ましい実施の形態に
おいて、あらかじめ用意された対話の流れを記憶し、次
のユーザからの音声入力にはどのようなキーワードが含
まれるかという情報を、キーワード選択手段に渡し、各
対話の状態毎に受け付けるキーワードを切り替える対話
管理手段（１０６）を備える。

【００１４】本発明は、入力された音声を認識して認識
結果よりからユーザが意図した意味を現わす複数のキー
ワードを出力する音声理解装置であって、音声認識に用
いる認識用の文法を記憶する認識用文法記憶部と、音声
認識に用いる認識辞書およびキーワードとなる単語であ
るかどうかの情報を記憶する認識用辞書記憶部と、各対
話の状態毎にユーザが入力し得るキーワードを記憶する
意味表現記憶部と、を備え、（ａ）ユーザが音声入力手
段から入力した音声に対して、前記認識用文法記憶部と
前記認識用辞書記憶部を参照して、音声認識を行い、認
識結果として得られた複数の認識結果候補文と該候補文
に含まれる各単語のスコアを出力する音声認識手段と、
（ｂ）前記意味表現記憶部の記憶内容を基に、前記音声
認識手段から出力された複数の各認識結果候補文内にキ
ーワードがあるか否かを判定し、存在したキーワードを
出力し、その際、一つの発声中に同時に存在し得ないキ
ーワードが複数個存在した場合は、各キーワードに対す
る前記音声認識手段が出力したスコアの最も良いもの１
つを選択する意味抽出手段と、（ｃ）前記意味抽出手段
より出力された情報を加工して意味表現を作成して出力
する意味出力手段と、の前記（ａ）乃至（ｃ）の各手段
の処理は、前記音声理解装置を構成するコンピュータで
実行させることで実現するようにしてもよい。

【００１５】また本発明において、（ｄ）前記意味出力
手段の出力結果の情報と受け取り、あらかじめ用意され
た対話の流れを記憶し、前記意味出力手段の出力に応じ
て、次の音声入力にはどのようなキーワードが含まれる
かという情報を前記意味抽出手段に渡す対話管理手段を
備え、前記意味抽出手段が、前記対話管理手段からの出
力及び前記意味表現記憶部の記憶内容を基に、前記音声
認識手段から出力された複数の各認識結果候補文内にキ
ーワードがあるか否かを判定し、存在したキーワードを
出力するように構成してもよい。前記（ｄ）の手段の処
理は、前記音声理解装置を構成するコンピュータで実行
させることで実現するようにしてもよい。

【００１６】すなわち、上記プログラムを記録した記録
媒体、又は通信媒体から読み出したプログラムをコンピ
ュータに読み出して実行することで本発明を実施するこ
とができる。

【００１７】

【実施例】本発明の実施例について図面を参照して詳細
に説明する。

【００１８】図１は、本発明の一実施例の構成を示す図
である。図１を参照すると、本発明の一実施例に係る音
声理解装置は、ユーザが入力した音声を認識する音声認
識部１０１と、音声認識に用いる認識用の文法を記憶す
る認識用文法記憶部１０２と、音声認識に用いる認識辞
書およびキーワードとなる単語であるかどうかの情報を
記憶する認識用辞書記憶部１０３と、認識結果候補中か
ら含まれるキーワードを取り出す意味抽出部１０４と、
得られたキーワードを出力する意味出力部１０５と、ユ
ーザの対話の流れを管理する対話管理部１０６と、各対
話の状態毎にユーザが入力し得るキーワードを記憶する
意味表現記憶部１０７とを含む。

【００１９】音声認識部１０１は、認識用文法記憶部１
０２と認識用辞書記憶部１０３の記憶内容を基に、ユー
ザが不図示の音声入力手段から入力しディジタル信号に
変換された音声に対して音声認識処理を行い、認識結果
として得られた複数の認識結果候補文（テキスト情報）
と各候補文に含まれる各単語のスコアを意味抽出部１０
４に出力する。

【００２０】この音声認識部１０１より出力されるスコ
アとしては、例えば認識処理の際の音響スコアや、認識
用文法記憶部１０２の記憶内容により作成した言語スコ
ア、もしくは、音響スコアと言語スコアの両方を考慮し
たものからなる。

【００２１】認識用文法記憶部１０２には、音声認識処
理に用いられる例えばＣＦＧ（文脈自由文法）や、Bigr
am、Trigramのような統計言語モデルなどの文法が記憶
保持され、必要に応じて音声認識部１０１に記憶内容を
渡す。

【００２２】認識用辞書記憶部１０３には、音声認識に
用いる認識辞書が記憶保持されており、必要に応じて音
声認識部１０１に記憶内容を渡す。

【００２３】意味抽出部１０４は、対話管理部１０６、
意味表現記憶部１０７の記憶内容を基に、音声認識部１
０１から出力された複数の各認識結果候補文内にキーワ
ードが存在するかどうかを判定し、検出されたキーワー
ドを意味出力部１０５に出力する。

【００２４】この際、一つの発声中に同時に存在し得な
いキーワードが複数個存在した場合は、各キーワードに
対する音声認識部１０１が出力したスコアの最も良いも
の１つを選択する。

【００２５】意味出力部１０５は、意味抽出部１０４よ
り渡された情報を加工して意味表現を作成し出力する。
さらに対話管理部１０６に、出力結果の情報を渡す。

【００２６】意味出力部１０５からの出力される意味表
現としては、例えばキーワード列、あらかじめ用意され
たフレーム中に得られたキーワードを入力したデータ等
がある。

【００２７】対話管理部１０６は、あらかじめ用意され
た対話の流れを記憶し、意味出力部１０５の出力に応じ
て、次のユーザーからの音声入力にはどのようなキーワ
ードが含まれるかという情報を、意味抽出部１０４に渡
す。

【００２８】意味表現記憶部１０７は、各対話の状態毎
にユーザーが入力し得るキーワードを記憶し、記憶内容
を必要に応じて意味抽出部１０４に出力する。

【００２９】次に、本発明の一実施例について、具体的
なデータに即して説明する。対話管理部１０６は、図３
に示すような処理フローでユーザの対話フローを管理す
るものとする。

【００３０】ユーザは、まず、状態＜予約入力＞（２０
１）にて、席の種類、日時、枚数を入力し、次に、状態
＜認識結果確認＞（２０２）にて、認識結果に問題が無
いか確認し、問題が無ければ終了し、問題があれば、状
態＜予約入力＞（２０１）にて再度入力する。

【００３１】また、意味表現記憶部１０７には、図４に
示すようなキーワードが登録されているものとする。

【００３２】状態＜予約入力＞では、「今日」、「明
日」、「あさって」、「Ａ席」・・・をキーワードと
し、状態＜認識結果確認＞では、「はい」、「いいよ」
・・・をキーワードとする。

【００３３】図４にて、例えば「Ａ席」、「Ｂ席」、
「Ｓ席」は同一の属性＜席の種類＞に属するものとし、
同一の属性のものは、一発声中には１回しか存在しない
ものとする。

【００３４】ユーザが、「明日のＡ席のチケットを２枚
下さい」と音声入力したものとする。

【００３５】この時、音声認識部１０１における認識結
果は、図２に示す通りになり、意味抽出部１０４は、こ
の結果が渡されたものとする。

【００３６】図２において、（）内の数字は音声認識部
１０１が出力したスコアを現わすものである。

【００３７】意味抽出部１０４は、対話管理部１０６、
意味表現記憶部１０７の記憶内容より、この認識結果候
補文内に存在するキーワードを調べる。

【００３８】この時、状態が＜予約確認＞であるから、
「明日」、「Ａ席」、「２枚」、「Ｂ席」、「５枚」が
認識結果候補文内に含まれるキーワードであることが分
かる。

【００３９】ここで、意味抽出部１０４は、「Ａ席」と
「Ｂ席」、「５枚」と「２枚」はそれぞれ同一の属性で
あるため、音声認識部１０１が出力したスコアが良い方
を選択し、「Ｂ席」、「５枚」を削除し、「明日」、
「Ａ席」、「２枚」を意味表現として出力し、対話管理
部１０６に、この情報を送る。対話管理部１０６では送
られた情報を元に対話の状態を＜認識結果確認＞とす
る。

【００４０】

【発明の効果】以上説明したように、本発明によれば、
次のような効果を奏する。

【００４１】第１の効果は、入力音声の理解性能を改善
する、ということにある。

【００４２】第２の効果は、誤認識の修正や音声の再入
力の手間などを削減する、ということにある。

【００４３】その理由は、第１位の認識結果候補だけで
なく、全ての認識結果候補文中から含まれているキーワ
ードを抽出するため、正しくキーワードが選択される可
能性が向上するためである。

【図面の簡単な説明】

【図１】本発明の一実施例の構成を示す図である。

【図２】本発明の一実施例における認識結果候補の一具
体例示す図である。

【図３】本発明の一実施例における、対話フローの具体
例の一つを示す流れ図である。

【図４】本発明の一実施例における、キーワード記憶内
容の一具体例を示す図である。

【符号の説明】

１０１ 音声認識部 １０２ 認識用文法記憶部 １０３ 認識用辞書記憶部 １０４ 意味抽出部 １０５ 意味出力部 １０６ 対話管理部 １０７ 意味表現記憶部

Claims (8)

【特許請求の範囲】
1. 【請求項１】入力された音声を認識し認識結果からユー
   ザが意図した意味を現わす複数のキーワードを出力する
   音声理解装置であって、 前記入力された音声を認識し複数の認識候補文および前
   記認識候補文に含まれる各キーワードに対応するスコア
   を出力する音声認識手段と、 前記音声認識手段から出力された複数の前記キーワード
   および前記キーワードに対応する前記スコアに基づき適
   切なキーワードを選択するキーワード選択手段と、 を備えたことを特徴とする音声理解装置。
2. 【請求項２】前記キーワード選択手段が、一発声中に同
   時に存在し得ないキーワードが複数個存在した場合に
   は、前記音声認識手段から出力された各キーワードに対
   するスコアを基に一つのキーワードを選択する、ことを
   特徴とする請求項１記載の音声理解装置。
3. 【請求項３】各対話の状態毎に受け付けるキーワードを
   切り替える対話管理手段をさらに備えたことを特徴とす
   る請求項１又は２記載の音声理解装置。
4. 【請求項４】音声認識に用いる認識用の文法を記憶する
   認識用文法記憶部と、 音声認識に用いる認識辞書およびキーワードとなる単語
   であるかどうかの情報を記憶する認識用辞書記憶部と、 各対話の状態毎にユーザが入力し得るキーワードを属性
   情報と対応させて記憶する意味表現記憶部と、 音声入力手段から入力された音声に対して、前記認識用
   文法記憶部と前記認識用辞書記憶部とを参照して、音声
   認識処理を行い、前記入力音声の認識結果として得られ
   た複数の認識結果候補文と該候補文に含まれる各単語の
   スコアを出力する音声認識手段と、 前記意味表現記憶部の記憶内容を基に、前記音声認識手
   段から出力された複数の各認識結果候補文内にキーワー
   ドがあるか否かを判定し、検出されたキーワードを出力
   する意味抽出手段と、 前記意味抽出手段より出力された情報を加工して意味表
   現を作成して出力する意味出力手段と、 を備えたことを特徴とする音声理解装置。
5. 【請求項５】前記意味抽出手段が、前記認識結果候補文
   中に、一つの発声中に同時に存在し得ないキーワードが
   複数個存在した場合には、各キーワードに対する前記音
   声認識手段が出力したスコアの最も良いものを１つ選択
   する、ことを特徴とする請求項４記載の音声理解装置。
6. 【請求項６】前記意味出力手段の出力結果の情報を受け
   取り、あらかじめ用意された対話の流れを記憶し、前記
   意味出力手段の出力に応じて、次の音声入力にはどのよ
   うなキーワードが含まれるかという情報を前記意味抽出
   手段に渡す対話管理手段を備え、 前記意味抽出手段は、前記対話管理手段からの出力及び
   前記意味表現記憶部の記憶内容を基に、前記音声認識手
   段から出力された複数の各認識結果候補文内にキーワー
   ドがあるか否かを判定し、存在したキーワードを出力す
   ることを特徴とする請求項４記載の音声理解装置。
7. 【請求項７】入力された音声を認識して認識結果よりか
   らユーザが意図した意味を現わす複数のキーワードを出
   力する処理をコンピュータで行う音声理解装置であっ
   て、 音声認識に用いる認識用の文法を記憶する認識用文法記
   憶部と、 音声認識に用いる認識辞書およびキーワードとなる単語
   であるかどうかの情報を記憶する認識用辞書記憶部と、 各対話の状態毎にユーザが入力し得るキーワードを記憶
   する意味表現記憶部と、を備え、 （ａ）ユーザが音声入力手段から入力した音声に対し
   て、前記認識用文法記憶部と前記認識用辞書記憶部を参
   照して、音声認識を行い、前記入力音声の認識結果とし
   て得られた複数の認識結果候補文と該候補文に含まれる
   各単語のスコアを出力する音声認識処理と、 （ｂ）前記意味表現記憶部の記憶内容を基に、前記音声
   認識処理から出力された複数の各認識結果候補文内にキ
   ーワードがあるか否かを判定し、検出されたキーワード
   を出力し、その際、一つの発声中に同時に存在し得ない
   キーワードが複数個存在した場合は、各キーワードに対
   する前記音声認識処理が出力したスコアの最も良いもの
   を１つ選択する意味抽出処理と、 （ｃ）前記意味抽出処理より出力された情報を加工して
   意味表現を作成して出力する意味出力処理と、 の前記（ａ）乃至（ｃ）の各処理を前記コンピュータで
   実行させるためのプログラムを記録した記録媒体。
8. 【請求項８】入力された音声を認識して認識結果よりか
   らユーザが意図した意味を現わす複数のキーワードを出
   力する処理をコンピュータで行う音声理解装置であっ
   て、 音声認識に用いる認識用の文法を記憶する認識用文法記
   憶部と、 音声認識に用いる認識辞書およびキーワードとなる単語
   であるかどうかの情報を記憶する認識用辞書記憶部と、 各対話の状態毎にユーザが入力し得るキーワードを属性
   情報と対応させて記憶する意味表現記憶部と、を備え、 （ａ）ユーザが音声入力手段から入力した音声に対し
   て、前記認識用文法記憶部と前記認識用辞書記憶部を参
   照して、音声認識を行い、前記入力音声の認識結果とし
   て得られた複数の認識結果候補文と該候補文に含まれる
   各単語のスコアを出力する音声認識処理と、 （ｂ）前記意味表現記憶部の記憶内容を基に、前記音声
   認識処理から出力された複数の各認識結果候補文内にキ
   ーワードがあるか否かを判定し、検出されたキーワード
   を出力し、その際、一つの発声中に同時に存在し得ない
   キーワードが複数個存在した場合は、各キーワードに対
   する前記音声認識処理が出力したスコアの最も良いもの
   を１つ選択する意味抽出処理と、 （ｃ）前記意味抽出処理より出力された情報を加工して
   意味表現を作成して出力する意味出力処理と、 （ｄ）前記意味出力処理の出力結果の情報と受け取り、
   あらかじめ用意された対話の流れを記憶し、前記意味出
   力手段の出力に応じて、次の音声入力にはどのようなキ
   ーワードが含まれるかという情報を前記意味抽出処理に
   渡す対話管理処理と、を備え、 前記意味抽出処理が、前記対話管理処理からの出力及び
   前記意味表現記憶部の記憶内容を基に、前記音声認識手
   段から出力された複数の各認識結果候補文内にキーワー
   ドがあるか否かを判定し、検出されたキーワードを出力
   し、 前記（ａ）乃至（ｄ）の各処理を前記コンピュータで実
   行させるためのプログラムを記録した記録媒体。