基於鏈結式時序分類器之能保留語序之語音數位內容標題生成

Abstract

由於網路多媒體資訊的蓬勃發展，資料量爆炸性增長的速度已遠遠超過人類 能夠吸收的能力。然而因為語音資訊不同於文字文件，人類若不聽完它就沒有辦 法一目瞭然或在音檔中快速瀏覽。因此，好的語音文件標題自動生成技術可以幫 助我們將語音文件，用一則言簡意賅的標題來描述其內容，幫助使用者大大減少 從語音文件中搜尋知識的時間。 本文是全球首先使用目前語音辨識領域表現最好的方法之一——鏈結式時序 分類器模型(connectionist temporal classification model，CTC)來解決語音文件自 動摘要的問題，其演算法中的良好特性可以在標題中保留原文件中的字詞順序， 而忽略不重要的詞彙，因此能相當程度保留了語意。 本論文分別探討對純文字文件(中文十億詞語料庫)與語音文件(中 文廣播新聞)而言，鏈結式時序分類器模型、序列至序列模型(sequence- to-sequence model，seq2seq)與專注式序列至序列模型(attentive sequence-to- sequence model，attentive seq2seq)之間的優劣，並透過實驗數據與範例來分析鏈 結式時序分類器模型在解決語音及文字文件標題生成問題時的優點。