整合以特徵及模型之技術以語音查詢口語詞彙

Abstract

在現代手持式裝置日漸普遍的情況下，語音檢索的應用已經相當廣泛，像是手機聯絡人查詢、商家查詢等等，也因此語音檢索的研究就成為了一個非常重要的課題。而本論文針對以口語詞彙作語音查詢的部分去做研究，藉由不同的檢索方法，我們希望能夠讓系統更完善。 在以模型為基礎的技術方面，我們使用「位置特定事後機率詞圖」做研究，將語音查詢問句及語音文件都辨識為位置特定事後機率詞圖，並針對不同的語音搜尋比對方式、距離度量方式、分數權重、多查詢詞模組做實驗。再來，我們在以特徵為基礎的技術方面做研究，不用模型少了辨識系統，我們只針對語音查詢問句及語音文件的特徵做比對。最後我們結合兩者，以二階段架構進行整合。 最後的結果，以二階段串聯架構表現最佳。其對於單一模組的語音查詢問句，檢索最佳平均準確率是詞典內語音查詢問句為 60.81% ，詞典外語音查詢問句為 41.68% 。對於結合五模組的語音查詢問句，檢索最佳平均準確率是詞典內語音查詢問句為 81.24% ，詞典外語音查詢問句為 61.85% 。