以聲學特徵相似度改進語音資訊檢索

Abstract

一般而言，語音資訊檢索會先透過語音辨識，將語料庫中的語音轉換為文字，再對辨識出的文字進行檢索。然而，這樣的系統架構非常仰賴好的語音辨識系統。如果語音辨識的辨識率很低，檢索系統無法根據辨識出的文字來判斷查詢問句所在的語句，則語音資訊檢索的效能會大幅下降。 本論文提出兩種以聲學特徵相似度來改進語音資訊檢索的方法：虛擬相關回饋及圖學基礎之重排序； 其優點在於以非監督(Unsupervised) 的方法，透過聲學特徵的比對，有效彌補因辨識率低造成的檢索效能下降。在虛擬相關回饋部分，我們定義聲學特徵相似分數，並提出三種虛擬相關語句選擇的方法。在圖學基礎之重排序部分，我們以聲學特徵相似度建立語句關係圖，並套用隨機漫步及修 正隨機漫步演算法來重新分配相關分數。我們並結合兩種方法，達到最好的語音檢索效能。在辨識率為62:55% 的辨識系統下，語音資訊檢索的平均準確率從55:54%進步至70:61%，相對進步率為27%。