使用上下文及聲學特徵之支撐向量機之語音資訊檢索

Abstract

語音資訊檢索在資訊爆炸的時代日益重要，然而目前語音資訊檢索的效能相 對於文字資訊檢索還有很大的差距。本論文提出以虛擬相關回饋為架構改進語音 資訊檢索的效能，亦即在得到第一次檢索結果之後，直接假設部分文件為訓練資 料，訓練支撐向量機來重新評估文件是否與查詢問句相關。虛擬相關回饋為非監 督（Unsupervised）的方法，使用者不需要提供額外的資訊即可改進檢索的效能， 我們提出兩種特徵向量來代表每篇語音文件，分別代表上下文特徵及聲學特徵。 經實驗證實，這兩種不同型態的特徵是可以互補的。 以本論文所提出的方法進行重排序，在辨識率為50.27%的環境下，平均準 確率可以由45.47%進步到54.63%，相對進步率為19.55%；在辨識率為84.08% 的環境下，平均準確率可以由80.48%進步到82.43%，相對進步率為2.42%。顯 示使用這種方式作檢索重排序，在任何辨識環境下皆有助於檢索效能的提升。另 外，當查詢問句為辭典外查詢時，平均準確率可以由42.75%進步到45.88%，相 對進步率為7.32%，因此，使用本論文所提出的方法作重排序，同樣為辭典外查 詢帶來進步。