感情音声データベースJTESを用いた感情音声認識におけるモデル適応の性能向上の検討

全文

(1)Vol.2017-SLP-119 No.7 2017/12/21. ৘ใॲཧֶձ‫ڀݚ‬ใࠂ IPSJ SIG Technical Report. ‫ײ‬৘Ի੠σʔλϕʔε JTES Λ༻͍ͨ ‫ײ‬৘Ի੠ೝࣝʹ͓͚ΔϞσϧదԠͷੑೳ޲্ͷ‫ݕ‬౼ ૬ᖒ Ղ޹1. Ճ౻ ਖ਼࣏1. খࡔ ఩෉1. ೳ੎ ོ2. ֓ཁɿۙ೥ɼ‫ײ‬৘Ի੠ίʔύεͱͯ͠ JTESʢJapanese Twitter-based Emotional Speechʣ͕ߏங͞Εͨɽ Twitter ͷᄁ͖Λϕʔεͱ͓ͯ͠Γɼ‫ײ‬৘ϥϕϧͷ෇༩ɼԻӆɾӆ཯ͷόϥϯε͕औΕͨจબ୒ͳͲͷಛ௃ ͕͋Δɽզʑ͸͜Ε·Ͱɼ೔ຊ‫ޠ‬࿩͠‫ݴ‬༿ίʔύε (CSJ) Λ༻ֶ͍ͯशͨ͠ DNN-HMM ʹΑΔԻ‫ڹ‬Ϟσ ϧΛॳ‫ظ‬Ϟσϧͱͯ͠ɼJTES Λ༻͍࿩ऀ΍‫ײ‬৘΁దԠͨ͠Ի‫ڹ‬ϞσϧΛ༻͍ͯೝ࣮ࣝ‫ݧ‬Λߦͳ͖ͬͯͨɽ CSJ Ͱֶश͠ CSJ ͷςετηοτΛೝࣝͨ͠৔߹ͷ୯‫ޡޠ‬Γ཰͸ 15.12 %ͱൺֱతྑ޷ͳೝࣝ݁Ռ͕ಘΒ Ε͍ͯͨɽҰํ CSJ ʹΑΔॳ‫ظ‬ϞσϧΛదԠͨ͠‫ޙ‬ͷ JTES ʹΑΔධՁΛ‫ݟ‬Δͱ࿩ऀదԠͰ͸ 27.86 %ͱ े෼ͳ݁Ռ͕ಘΒΕ͍ͯͳ͍ɽຊߘͰ͸ɼదԠ๏ͱ‫ޠݴ‬Ϟσϧʹؔͯ͠‫ݕ‬౼͠ɼߋͳΔੑೳ޲্ΛࢼΈͨɽ దԠ๏ͱͯ͠͸ɼDNN ͷΤϙοΫ਺ͷܾఆʹ early stopping ͷར༻Λ‫ݕ‬౼ͨ͠ɽ·ͨɼ‫ޠݴ‬Ϟσϧʹ͓͍ ͯ͸ະ஌‫ޠ‬ͷӨ‫ڹ‬Λௐࠪ͠ɼະ஌‫ޠ‬Λ௥Ճͨ͠‫ޠݴ‬ϞσϧΛ‫ݕ‬౼ͨ͠ɽҎ্ʹΑΓ࿩ऀదԠͰϕʔεϥΠ ϯ͕ 27.86 %ʹର͠ɼ23.05 %ɼίʔύεదԠͷϕʔεϥΠϯ͕ 32.37 %ʹର͠ɼ26.91 %ͱେ෯ͳੑೳ޲ ্͕ಘΒΕͨɽ Ωʔϫʔυɿ‫ײ‬৘Ի੠ೝࣝɼ‫ײ‬৘Ի੠σʔλϕʔεɼ࿩ऀɾ‫ײ‬৘ɾίʔύεదԠɼDNN-HMM. 1. ͸͡Ίʹ. Ԡ༻͕‫ظ‬଴͞Ε͍ͯΔɽ จ‫[ ݙ‬4] Ͱ͸ɼ͜ͷ JTES ΛධՁσʔλͱͯ͠Ի੠ೝ࣮ࣝ. ۙ೥ɼԻ੠ର࿩γεςϜ͕஫໨͞Ε͍ͯΔɽ͜͏ͨ͠γ. ‫ݧ‬Λߦͳͬͨɽͦͷࡍɼ೔ຊ‫ޠ‬࿩͠‫ݴ‬༿ίʔύεʢCorpus. εςϜ͸ɼ໨త৔ॴ΁ͷҊ಺΍৘ใ‫Ͳͳࡧݕ‬ಛఆͷ໨తʹ. of Spontaneous JapaneseɿCSJʣ[5] ͷσʔλΛϕʔεͱ. ༻͍Δ৔߹͸‫ػ‬ցతͳ΍ΓͱΓͰ΋े෼࣮༻ͱͳΔɽ͔͠. ͨ͠Ի‫ڹ‬Ϟσϧʹରͯ͠ɼJTES ͷσʔλΛ fine-tuning ʹ. ͠λεΫୡ੒ͷͨΊͷର࿩͚ͩͰͳ͘ɼࡶஊͳͲର࿩ࣗମ. ΑΓదԠ͠ೝ͍ࣝͯͨ͠ɽ͔͠͠ɼ୯‫ޡޠ‬Γ཰͸࿩ऀద. Λ໨తͱͨ͠༻్΁ͱԠ༻͕޿͕Γͭͭ͋Δɽ͜ͷΑ͏ͳ. ԠΛ༻͍ͯ΋໿ 28 %Ͱ͋Γɼे෼ͳ݁Ռ͕ಘΒΕ͍ͯͳ. ༻్ͷ৔߹ɼਓؒಉ࢜ͷձ࿩ʹ͓͚Δ‫ײ‬৘ͷ΍ΓͱΓͷΑ. ͍ɽͦͷ‫ݪ‬ҼͷҰͭͱͯ͠ɼదԠ๏ͷ‫ݕ‬౼͕ෆे෼Ͱ͋ͬ. ͏ʹɼγεςϜ͕‫ײ‬৘Λߟྀͯ͠ର࿩Λߦ͏͜ͱͰΑΓ๛. ͨ͜ͱ͕‫͛ڍ‬ΒΕΔɽຊߘͰ͸ɼDNN ͷదԠ࣌ͷΤϙο. ͔ͳԻ੠ର࿩͕ՄೳʹͳΔͱߟ͑ΒΕΔɽ‫ײ‬৘Λߟྀͨ͠. Ϋ਺ʹண໨͠ɼ‫͋ࢣڭ‬ΓదԠ࣮‫ ͍͓ͯʹݧ‬early stopping. Ի੠ର࿩ͷ࣮‫ݱ‬ͷͨΊʹ͸ɼγεςϜଆ͕‫ײ‬৘छผΛೝࣝ. Λ༻͍ͨɽ·ͨɼCSJ ʹ͓͚Δֶձߨԋͱ JTES ʹ͓͚Δ. Ͱ͖ɼ‫ײ‬৘Ի੠ͷൃ࿩಺༰Λਖ਼͘͠ೝࣝ͠ɼͦΕΒΛ΋ͱ. Twitter Ͱ͸༻͍ΒΕΔ‫ޠ‬ኮ΋ҟͳΓɼ‫ޠݴ‬Ϟσϧͷ‫ݕ‬౼. ʹ‫ײ‬৘Ի੠Λ߹੒Ͱ͖Δඞཁ͕͋Δɽ. ΋ඞཁͰ͋Δɽ͜ͷͨΊɼະ஌‫ޠ‬΍‫ޠݴ‬Ϟσϧͷ N-gram. ͜͏ͨ͠‫ײ‬৘Ի੠Λ༻͍࣮ͨ‫ʹݧ‬ར༻Ͱ͖Δίʔύε͕ ͍͔ͭ͘ߏங͞Ε͍ͯΔ [1]ɽจ‫[ ݙ‬2] Ͱ͸‫ײ‬৘Ի੠ೝࣝɾ ߹੒ͷ‫Ͱ఺؍‬Իӆɾӆ཯όϥϯεͷͱΕͨൃ࿩ηοτͷઃ ‫ܭ‬Λߦͬͨɽ·ͨจ‫[ ݙ‬3] Ͱ͸‫ײ‬৘Ի੠߹੒ͷ‫Ͱ఺؍‬ධՁ͠ ༗ޮੑΛ͍ࣔͯ͠Δɽ͜ͷίʔύε͸ʮJTESʯ ʢJapanese. Twitter-based Emotional Speechʣͱ໊͚ͮΒΕɼࠓ‫ޙ‬ͷ. ֬཰ͳͲΛ‫ݕ‬౼͢Δඞཁ͕͋Δ͕ɼࠓճ͸ະ஌‫ޠ‬Λ௥Ճ͠ ͨ‫ޠݴ‬Ϟσϧͷ࢖༻ʹؔͯ͠‫ݕ‬౼Λߦͳͬͨɽ. 2. ‫ײ‬৘Ի੠σʔλϕʔε JTES Twitter ͷᄁ͖Λ‫ײͨ͠ʹج‬৘Ի੠σʔλϕʔεʮJTESʯ ͸ɼஉঁ֤ 50 ໊ͷԻ੠͔ΒͳΔ [3]ɽTwitter ͷᄁ͖ʹ͸ ‫ޠޱ‬తͳ΋ͷ͕ଟ͘‫·ؚ‬Ε͍ͯΔ͜ͱ͔Βɼ༷ʑͳ‫ײ‬৘Λ. 1. 2. ࢁ‫ܗ‬େֶ Yamagata University ౦๺େֶ Tohoku University. c 2017 Information Processing Society of Japan. ෇༩ͨ͠ൃ࿩จΛ࡞੒͢Δ͜ͱ͕ՄೳͰ͋ΔɽTwitter ͷ ᄁ͖Λ‫ײ‬৘ද‫ͱޠݱ‬ͷϚονϯά [6] ʹΑΓ‫ͼت‬ɾౖΓɾ ൵͠Έɾฏৗͷ 4 ‫ײ‬৘ʹ෼ྨ͠ɼԻӆɾӆ཯ͷόϥϯε͕. 1.

(2) Vol.2017-SLP-119 No.7 2017/12/21. ৘ใॲཧֶձ‫ڀݚ‬ใࠂ IPSJ SIG Technical Report. औΕͨจষηοτΛΤϯτϩϐʔʹΑΔจબ୒ΞϧΰϦζ Ϝ [7] Λ༻͍֤ͯ‫ײ‬৘ 50 จͷબग़͕ߦΘΕΔ [2]ɽͦΕΒ ͷจʹର͠ओ‫؍‬ධՁʹΑΓ‫ײ‬৘ͷద੾ੑΛ֬ೝ͠ɼԻ੠ͷ ऩ࿥͕ߦΘΕͨɽऩ࿥ͷࡍʹ͸ʮࣗ෼͕ҙਤ͢Δ‫ײ‬৘Λϩ Ϙοτʢ‫ػ‬ցʣʹ఻͑ΔΑ͏ʹʯൃ࿩͠ɼౖΓʹؔͯ͠͸ ʮhot angerʢౖܹ͍͠Γʣʯ[8] Λҙࣝ͢ΔΑ͏ʹࢦࣔͯ͠ ͍Δɽ. 3. దԠɾೝࣝख๏ ਤ 1. ຊষͰ͸ɼຊ࣮‫͍༻Ͱݧ‬ΒΕͨదԠ͓Αͼೝࣝख๏ʹͭ. ग़ྗ֬཰ิঈͷઆ໌ਤ. ͍ͯड़΂Δɽࠓճͷ࣮‫Ͱݧ‬͸దԠσʔλʹਖ਼ղςΩετ͕ ४උͰ͖Δ͜ͱΛલఏͱͨ͠‫͖෇ࢣڭ‬దԠΛߦͳ͏ʢ‫ࢣڭ‬. 3.3 ‫ޠݴ‬Ϟσϧͷະ஌‫ޠ‬ରԠ. ͳ͠దԠͷ݁Ռʹ͍ͭͯ͸จ‫[ ݙ‬4] Λࢀরͷ͜ͱʣɽదԠ. ‫ޠݴ‬Ϟσϧʹ͍ͭͯɼจ‫[ ݙ‬10] Ͱ͸λεΫΫϩʔζͷ‫ݴ‬. ʹ͓͍ͯ͸ΤϙοΫ਺ࣗಈܾఆͷͨΊ early stopping Λ࢖. ‫ޠ‬ϞσϧΛ༻͍͍ͯΔ͕ɼຊ࣮‫Ͱݧ‬͸Ի੠ೝࣝͷ൚༻ੑΛ. ༻͢ΔɽDNN-HMM Λ༻͍ͨೝࣝʹ͓͍ͯ͸ࣄ‫ิ཰֬ޙ‬. ߟ͑ɼผλεΫʹΑΓ‫ޠݴ‬ϞσϧͷߏஙΛߦͳ͍ͬͯΔɽ. ਖ਼๏Λซ༻͢Δɽ·ͨ‫ޠݴ‬Ϟσϧͷະ஌‫ޠ‬ରԠʹ͍ͭͯड़. ֶशσʔλྔΛ֬อ͢ΔͨΊʹɼࠓճ͸ CSJ Λར༻ͨ͠ɽ. ΂Δɽ. ͔͠͠ɼCSJ ͸ߨԋԻ੠Ͱ͋Δͷʹର͠ɼJTES ͸ Twitter ͷᄁ͖Λ‫͓ͯ͠ʹج‬Γɼະ஌‫ޠ‬΋ଟ͘‫·ؚ‬ΕΔɽͦ͜Ͱࠓ ճ͸୯‫ʹॻࣙޠ‬ະ஌‫ޠ‬Λ௥Ճ͢Δ͜ͱʹΑΓɼ͜ͷ໰୊ʹ. 3.1 early stopping early stopping ͸ֶश΍దԠ࣌ͷΤϙοΫ਺Λࣗಈܾఆ. ରॲͨ͠ɽ. ͢Δख๏Ͱ͋Δɽ͜ͷख๏Ͱ͸ DNN ͷ fine-tuning Λߦͳ. ·ͣɼCSJ Ͱग़‫͢ݱ‬Δ୯‫ޠ‬Λ‫ج‬४ͱͯ͠ɼJTES ʹ͓͚. ͏ࡍʹɼֶशʢదԠʣσʔλΛ։ൃσʔλͱධՁσʔλʹ. Δະ஌‫ͯؔ͠ʹޠ‬ௐࠪͨ͠ͱ͜ΖɼධՁσʔλͰ 3.15 %ͷ. ෼ׂͯ͠ަࠩ‫ݕ‬ఆΛߦͳ͍ɼ‫܁‬Γฦ͠ʹ͓͍ͯϑϨʔϜೝ. ະ஌‫͕ޠ‬ଘࡏͨ͠ɽ͜ͷͨΊ CSJ ͔Β࡞੒ͨ͠‫ޠݴ‬Ϟσ. ࣝ཰ͷվળ཰͕ᮢ஋ҎԼʹͳͬͨ৔߹ʹ‫܁‬Γฦ͠Λఀࢭ͢. ϧΛ༻͍ͨධՁͷࡍ͸ɼ͜ͷఔ౓ͷ୯‫ޡޠ‬Γ͕ੜͣΔɽຊ. Δɽຊ‫Ͱڀݚ‬͸։ൃσʔλͱධՁσʔλͷ෼ׂׂ߹Λ 9 : 1. ߘͰ͸͜ΕΒͷະ஌‫ޠ‬Λ௥Ճͨ͠‫ޠݴ‬ϞσϧΛ༻͍ͯɼະ. ͱͨ͠ɽ. ஌‫ޠ‬ͷӨ‫ڹ‬Λഉআͨ͠ධՁΛߦͳ͏ɽ. 4. ࣮‫ݧ‬৚݅. 3.2 ࣄ‫ิ཰֬ޙ‬ਖ਼ ೝࣝ࣌ʹ͸ DNN ͷࣄ‫཰֬ޙ‬ͷิਖ਼Λߦ͏ [9]ɽग़ྗ֬཰. Ի੠෼ੳͰ͸ɼ16 kHz αϯϓϦϯάɼ16 bit ྔࢠԽͷԻ. ‫ࢉܭ‬ͷࡍʹɼແԻͳͲҰ෦ͷԻૉͰঢ়ଶͷੜ‫୺ۃ͕཰֬ى‬. ੠৴߸ʹରͯ͠ɼ෼ੳ૭ͱͯ͠ϋϛϯά૭Λ༻͍ɼϑϨʔ. ʹେ͖͘ͳΔ໰୊ʹରͯ͠ରԠ͕ՄೳͱͳΔɽDNN-HMM. Ϝ௕ 25 msecɼϑϨʔϜप‫ ظ‬8 msec ͱͨ͠ɽೖྗಛ௃͸ɼ. ʹ͓͚Δग़ྗ֬཰͸ࣜ (1) ͷΑ͏ʹ‫ٻ‬ΊΒΕΔɽ. 24 ࣍‫ݩ‬ͷϑΟϧλόϯΫͱର਺ύϫʔɼ‫ͦͼٴ‬ͷ 1 ࣍ͱ 2. p(x|si ) =. p(si |x)p(x) p(si ). (1). ͜ͷͱ͖ɼp(x) ͸ೖྗಛ௃ͷੜ‫͕ͩ཰֬ى‬ೝࣝʹ͸Ө‫ڹ‬Λ ༩͑ͳ͍ͷͰແࢹ͢Δɽp(si ) ͸ঢ়ଶੜ‫͕ͩ཰֬ى‬ɼແԻ. ࣍ͷճ‫਺܎ؼ‬Λ‫ؚ‬Ίͨ 75 ࣍‫Ͱݩ‬ɼ11 ϑϨʔϜͷηάϝϯ τಛ௃ͱͯ͠࢖༻͢Δʢ25 × 3 × 11 = ‫ ܭ‬825 ࣍‫ ݩ‬ʣɽ· ͨɼฏ‫ۉ‬෼ࢄਖ਼‫ن‬ԽΛߦ͏ɽ. DNN-HMM ͷߏ੒ʹ͍ͭͯ͸ɼೖྗ૚ͱͯ͠ 825 ϊʔ. ۠ؒͳͲҰ෦ͷԻૉͰඇৗʹେ͖ͳ஋ͱͳΓɼग़ྗ֬཰͕. υɼӅΕ૚ͱͯ͠ 7 ૚ͷ 2048 ϊʔυɼग़ྗ૚ͱͯ͠ 3003. ௿Լ͢Δɽैͬͯɼ͜ͷ஋ʹ੍‫ݶ‬ΛՃ͑Δ͜ͱͰɼ֬཰ͷ. ϊʔυͱ͠ɼग़ྗಛ௃͸ HMM ͷঢ়ଶ֬཰ͱͯ͠༻͍ͨɽ. ௿ԼΛิঈ͢Δɽ۩ମతʹ͸ p(si ) ʹରͯ͠ᮢ஋ (্‫ݶ‬஋)θ. DNN-HMM ͷֶशͰ͸ɼֶशπʔϧΩοτͱͯ͠ kaldi[11]. Λઃఆ͠ɼ্‫ݶ‬Λ௒͑ͨ஋Λ θ ʹஔ͖‫͑׵‬Δɽ͜ͷࡍ θ ͸. Λ༻͍ͯɼֶशσʔλͱͯ͠ CSJ ͷୈ 1 ࡮ͷֶձߨԋ. ࣜ (2) ʹ‫ܾ͖ͮج‬ఆ͠ɼͦ͜Ͱ੍‫ ཰ݶ‬α (0 ≤ α ≤ 1) Λࢦ. 963 ߨԋΛ࢖༻ͨ͠ɽDNN ֶशͷॾ৚݅Λද 1 ʹࣔ͢ɽ. ఆ͢Δɽ P. DNN ͷֶश͸ pre-training Ͱ͸੍‫͖෇ݶ‬ϘϧπϚϯϚγ. α =. i∈D {p(si ) − θ} PI i=1 p(si ). (2). ϯʢRBMʣΛ࢖༻͢Δɽfine-tuning Ͱ͸ϑϨʔϜຖʹঢ় ଶ൪߸ϥϕϧΛ༩͑ɼ‫ֶ͖ͭࢣڭ‬शΛ֬཰తޯ഑߱Լ๏. ͜͜Ͱɼi ͸ঢ়ଶ൪߸ɼI ͸૯ঢ়ଶ਺Λҙຯ͠ɼp(si ) > θ. ʢSGDʣʹΑΔ‫఻ٯࠩޡ‬೻๏Ͱߦ͏ɽଛࣦؔ਺ʹ͸Ϋϩε. Λຬͨ͢ i ͷू߹Λ D ͱ͢Δɽp(si ) ͕େ͖͍ॱʹ i Λฒ. ΤϯτϩϐʔΛ༻͍Δɽ͜ΕΒͷ৚݅ʹΑΓ࡞੒͞ΕͨϞ. ͼସ͑ͨ৔߹ͷઆ໌ਤΛਤ 1 ʹࣔ͢ɽ͜ͷํ๏͸దԠ࣌ͳ. σϧΛॳ‫ظ‬Ϟσϧͱ͢Δɽ. Ͳֶश (దԠ) σʔλ͕গͳ͍৔߹ಛʹ༗ޮͰ͋Δɽ. c 2017 Information Processing Society of Japan. ࣍ʹ‫ޠݴ‬Ϟσϧʹ͍ͭͯड़΂Δɽ‫ޠݴ‬Ϟσϧͷ‫ޠ‬ኮηο. 2.

(3) Vol.2017-SLP-119 No.7 2017/12/21. ৘ใॲཧֶձ‫ڀݚ‬ใࠂ IPSJ SIG Technical Report ද 1. DNN ֶशͷॾ৚݅ pre-training. ֶश܎਺. ୈ 1 ૚ͷΈ 0.01ʙ0.001 ΁. ද 3 ֶश܎਺. DNN దԠͷॾ৚݅ 0.0001. ϛχόοναΠζ. 2048. ‫ݮ‬গɽୈ 2 ૚ʙୈ 7 ૚͸. ϞϝϯλϜ. 0. 0.4ʙ0.04 ΁‫ݮ‬গ.. L2 ਖ਼ଇԽ܎਺. 0.0002. ΤϙοΫ਺. ަࠩ‫ݕ‬ఆʹΑΓϑϨʔϜ. ΤϙοΫ਺. 10ʢ1 ૚໨ͷΈ 20ʣ. ϛχόοναΠζ. 1024. ೝࣝ཰޲্͕ 0.005% ະຬ. ϞϝϯλϜ. 0.9ʢ࠷ॳͷ 50 ࣌ؒσʔλ. ͷ৔߹ఀࢭ. ͷΈ 0.5ʙ0.9 ΁૿Ճʣ. L2 ਖ਼ଇԽ܎਺. 0.0002 fine-tuning. ֶश܎਺ ΤϙοΫ਺. 0.008 ަࠩ‫ݕ‬ఆʹΑΓϑϨʔϜ. ද 4. ੍֤‫͚͓ʹ཰ݶ‬Δೝࣝ݁Ռ (WER[%]). ੍‫཰ݶ‬. 0.00. 0.05. 0.10. 0.15. Average. 39.33. 37.79. 36.12. 36.75. ೝࣝ཰޲্͕ 0.1% ະຬ ϛχόοναΠζ. ͷ৔߹ఀࢭ. ‫ݧ‬ɽԻ‫ͯ͠ͱڥ؀ڹ‬͸Ұ൪Ϛονͨ͠৚݅ͱͳΔ͕ɼ. 512. దԠσʔλ਺͸গͳ͍ɽ࿩ऀɾ‫ײ‬৘ґଘͷదԠͱͳΔɽ దԠ‫ޙ‬ϞσϧΛ༻͍ͨೝ࣮ࣝ‫͍͓ͯʹݧ‬͸ɼ5 અͷ༧උ. τ͸ CSJ ͷֶձߨԋ‫ͼٴ‬໛ٖߨԋ͔Βग़‫ݱ‬ճ਺ 2 ճҎ্. ࣮‫ݧ‬Λ΋ͱʹֶशσʔλʢCSJʣ͔Βࢉग़ͨ͠ঢ়ଶੜ‫֬ى‬. ͷ୯‫ޠ‬Λ߹Θͤͨ 49,058 ‫͢ͱޠ‬Δɽ‫ޠݴ‬Ϟσϧ͸ bigram. ཰Λ༻͍ͨɽ·ͨɼDNN దԠͷॾ৚݅͸ද 3 ͷΑ͏ʹఆ. ͱ trigram ͷ 2 छྨΛ༻͍ɼ૯୯‫਺ޠ‬໿ 6.68 M ͷ CSJ ͷ. ΊͨɽຊߘͰ͸ɼද 3 ʹ͓͚ΔΤϙοΫ਺Λ 5 ͱ‫ݻ‬ఆͨ͠. ֶशσʔλΑΓੜ੒͢Δɽ͞Βʹ JTES ʹग़‫͢ݱ‬Δະ஌‫ޠ‬. ৔߹͕ϕʔεϥΠϯͱͳΔɽ͜ͷ৚݅ʹ͓͍ͯɼ࿩ऀ‫ײ‬৘. ΛՃ࣮͑ͨ‫ݧ‬Λߦͳ͏ͨΊɼJTES ͷΈʹग़‫͢ݱ‬Δ୯‫ޠ‬Λ. దԠͷ࣮‫ͯؔ͠ʹݧ‬͸ɼదԠσʔλ਺͕ 40 ͔͠ͳ͘ early. Mecab[12] Λ༻͍ͯղੳͨ͠ɽղੳʹΑΓಘΒΕͨ 44 छ. stopping ͷަࠩ‫ݕ‬ఆ͕ਖ਼͘͠ߦ͑ͳ͔ͬͨͨΊɼϕʔεϥ. ྨͷ୯‫ޠ‬Λ୯‫ʹॻࣙޠ‬௥Ճ͠ɼະ஌‫ޠ‬௥ՃϞσϧΛ࡞੒͠. ΠϯͷΈͷ݁ՌΛࣔ͢ɽ. ͨɽ͜ͷ৔߹ೝࣝର৅୯‫਺ޠ‬͸ 49102 ‫ͳͱޠ‬Δɽ Ի੠ೝࣝख๏ͱͯ͠͸ɼ‫ࣨڀݚ‬ಠࣗͷ 2 ύεσίʔμΛ. 5. ༧උ࣮‫ݧ‬. ༻͍Δɽ͜ͷख๏Ͱ͸ɼୈ 1 ύεͰ triphone ͱ bigram Λ. ֤छύϥϝʔλΛܾΊΔͨΊ༧උ࣮‫ݧ‬Λߦͬͨɽ͍ͣΕ. ༻͍ͯϏʔϜαʔνΛߦ͍୯‫ޠ‬άϥϑΛ࡞੒͠ɼୈ 2 ύε. ΋ධՁσʔλͷ࿩ऀΛ 2 ໊ʹ‫ݮ‬Βͨ͠ 80 ൃ࿩ʢ10 จ × 4. Ͱ͸ੜ੒ͨ͠୯‫ޠ‬άϥϑΛ trigram ͰϦείΞ͠ɼೝࣝ݁. ‫ײ‬৘ × 2 ࿩ऀʣΛ࢖༻ͨ͠ɽࣄ‫ิ཰֬ޙ‬ਖ਼ͷ੍‫཰ݶ‬Λܾ. ՌΛಘΔߏ੒ͱͳ͍ͬͯΔɽԻ੠ೝࣝΛߦ͏ࡍͷϏʔϜ෯. ΊΔͨΊɼϕʔεϥΠϯ৚݅Ͱछʑͷ੍‫཰ݶ‬Λ༩͑ɼ୯‫ޠ‬. ʹؔͯ͠͸୯‫ ಺ޠ‬200ɼ୯‫ ؒޠ‬120ɼԾઆ਺ 2400 ͱͨ͠ɽ. ‫ޡ‬Γ཰Λ‫ٻ‬Ίͨɽ݁ՌΛද 4 ʹࣔ͢ɽ͜ͷ݁Ռ͔Β੍‫཰ݶ‬. ·ͨɼୈ 1 ύε͸‫ޠݴ‬ॏΈ 10ɼૠೖϖφϧςΟ −8 ͱ͠ɼ. 0.1 ͕࠷ྑ஋Ͱ͋ͬͨͨΊɼࠓճͷ͢΂ͯͷ࣮‫཰ݶ੍Ͱݧ‬. ୈ 2 ύε͸‫ޠݴ‬ॏΈ 12ɼૠೖϖφϧςΟΛ −24 ͱͨ͠ɽࣄ. Λ 0.1 ʹ‫ݻ‬ఆͨ͠ɽ·ͨదԠ࣌ͷঢ়ଶੜ‫ ཰֬ى‬p(si ) ʹͭ. ‫ิ཰֬ޙ‬ਖ਼ͷ੍‫཰ݶ‬͸ 5 અͷ༧උ࣮‫ݧ‬Λ΋ͱʹ 0.1 ͱͨ͠ɽ. ͍ͯɼCSJ ͷֶशσʔλ͔Βࢉग़ͨ͠৔߹ͱదԠσʔλ͔. ධՁσʔλͱͯ͠ɼJTES ͷத͔Β 400 ൃ࿩ʢ10 จ × 4. Βࢉग़ͨ͠৔߹ͷɼ͍ͣΕ͕ྑ͍͔Λௐࠪ͢ΔͨΊʮίʔ. ‫ײ‬৘ × 10 ࿩ऀʣΛ༻͍ͨɽ·ͨదԠσʔλͱͯ͠ɼධՁ. ύεదԠʯͷ৚݅Ͱ‫ݕ‬౼ͨ͠ɽͳ͓ɼ͜ͷͱ͖ͷΤϙοΫ. ʹ༻͍ͳ͍จΛ༻͍ͨɽ۩ମతʹ͸ɼද 2 ͷ௨ΓͰ͋Δɽ. ਺͸ 1 ͱͨ͠ɽ࣮‫ݧ‬ΑΓֶशσʔλ͔Βੜ‫཰֬ى‬Λ‫ٻ‬Ίͨ. ͳ͓ early stopping ͰΤϙοΫ਺Λܾఆ͢Δࡍ͸దԠσʔ. ৔߹ͷ୯‫ޡޠ‬Γ཰͸ 24.31 %ͩͬͨͷʹର͠ɼదԠσʔλ. λΛ 9:1 ʹ෼ׂ͠ 1 ׂΛަࠩ‫ݕ‬ఆ༻σʔλͱͯ͠༻͍Δɽ. ͔Β‫ٻ‬Ίͨ৔߹ͷ୯‫ޡޠ‬Γ཰͸ 79.31 %ͱେ෯ʹੑೳ͕௿. ֤దԠͷ࣮‫ݧ‬৚݅ʹ͍ͭͯҎԼʹࣔ͢ɽ͍ͣΕ΋‫͖ͭࢣڭ‬. Լͨ͠ɽ͜Ε͸దԠσʔλ਺͕গͳ͘ద੾ʹੜ‫ٻ͕཰֬ى‬. దԠΛ࣮ࢪͨ͠ɽ. ·Βͳ͔ͬͨͨΊͩͱߟ͑ΒΕΔɽҎ্ΑΓɼCSJ ͷֶश. ࿩ऀదԠ ಉҰ࿩ऀͷσʔλͰదԠΛߦͬͨɽ‫ײ‬৘ʹର͠. σʔλ͔Βࢉग़ͨ͠ঢ়ଶੜ‫཰֬ى‬Λ࢖༻͢Δɽ. ͯ͸ඇґଘͱͳΔɽ. ·ͨɼࢀߟͷͨΊʹॳ‫ظ‬Ի‫ڹ‬Ϟσϧɼ‫ޠݴ‬Ϟσϧͷੑೳ. ίʔύεదԠ ॳ‫ظ‬Ϟσϧͷֶशʹ࢖༻ͨ͠ CSJ ͱධՁର. Λ CSJ ͷ testset1 ͷֶձஉੑ 10 ߨԋͱ JTES ͷධՁσʔ. ৅ͷ JTES Ͱ͸Ի‫͕ڥ؀ڹ‬େ͖͘ҟͳΔͨΊɼJTES. λ 400 จͰ֬ೝͨ͠ɽCSJ ͷ testset1 Ͱ͸ɼೝࣝ৚݅ͷୈ. ͷ‫΁ڥ؀‬దԠͨ͠ɽదԠσʔλྔ͕ଟ͍ͱ͍͏ಛ௃͕. ೋύεͷ஋Λ‫ޠݴ‬ॏΈ 14ɼૠೖϖφϧςΟ −8 ͱ͠ɼࣄ. ͋Δɽ࿩ऀɾ‫ײ‬৘ඇґଘͷదԠͱͳΔɽ. ‫ิ཰֬ޙ‬ਖ਼Λ࢖༻͠ͳ͍৔߹Ͱɼ୯‫ޡޠ‬Γ཰͸ 15.12 %Ͱ. ‫ײ‬৘దԠ ಛఆͷ‫ײ‬৘ʹదԠͨ͠‫ײ‬৘ґଘϞσϧͷੑೳΛ. ͋ͬͨɽJTES ͷධՁσʔλ 400 จͰ͸ɼೝࣝ৚݅ͷୈೋ. ਤΔͨΊͷ࣮‫ݧ‬ɽ࿩ऀʹରͯ͠͸ඇґଘͱͳΔɽ. ύεͷ஋Λ‫ޠݴ‬ॏΈ 14ɼૠೖϖφϧςΟ −8 ͱ͠ɼࣄ‫֬ޙ‬. ࿩ऀ‫ײ‬৘దԠ ࿩ऀ͓Αͼ‫ײ‬৘ͷ྆ํ΁దԠͨ͠৔߹ͷ࣮. ཰ิਖ਼ α = 0.1 ͱͨ͠৔߹Ͱɼ୯‫ޡޠ‬Γ཰ 38.10 %ɼԻૉ. c 2017 Information Processing Society of Japan. 3.

(4) Vol.2017-SLP-119 No.7 2017/12/21. ৘ใॲཧֶձ‫ڀݚ‬ใࠂ IPSJ SIG Technical Report ද 2 ໊শɹ ࿩ऀదԠ ίʔύεదԠ ‫ײ‬৘దԠ ࿩ऀ‫ײ‬৘దԠ. ද 5. దԠ࣮‫ͦͱݧ‬ΕʹରԠ͢ΔదԠσʔλ. దԠσʔλ਺. దԠϞσϧ਺. 160 ൃ࿩ʢ40 จ × 4 ‫ײ‬৘ × ධՁ࿩ऀ 1 ࿩ऀʣ. 10ʢ = ධՁ࿩ऀ਺ʣ. 14400 ൃ࿩ʢ40 จ × 4 ‫ײ‬৘ × 90 ࿩ऀʣ. 1. 3600 ൃ࿩ʢ40 จ × ධՁ‫ײ‬৘ 1 ‫ײ‬৘ × 90 ࿩ऀʣ. 4ʢ = ‫ײ‬৘਺ʣ. 40 ൃ࿩ʢ40 จ × ධՁ‫ײ‬৘ 1 ‫ײ‬৘ × ධՁ࿩ऀ 1 ࿩ऀʣ. 40ʢ = ධՁ࿩ऀ × ‫ײ‬৘਺ʣ. ࿩ऀదԠҎ֎ͷదԠ࣮‫ݧ‬ͷ early stopping ʹΑΓܾఆͨ͠Τ ϙοΫ਺ దԠ࣮‫ݧ‬. Ϟσϧ. ΤϙοΫ਺. ίʔύεదԠ. ίʔύεϞσϧ. 1. ‫ײ‬৘దԠ. ౖΓϞσϧ. 2. ‫ͼت‬Ϟσϧ. 3. ൵͠ΈϞσϧ. 1. ฏৗϞσϧ. 2. ࿩ऀదԠ. 11 ʙ 23. ɹɹ˞࿩ऀదԠ͸࿩ऀʹΑΓҟͳΔ. ‫ޡ‬Γ཰ 14.56 %Ͱ͋ͬͨɽ. 6. ࣮‫݁ݧ‬Ռ ֤దԠ࣮‫ݧ‬ͷೝࣝ݁Ռͱͯ͠୯‫ޡޠ‬Γ཰ʢWERʣΛਤ. 2ɼԻૉ‫ޡ‬Γ཰ʢPERʣΛਤ 3 ʹ‫͢ࡌه‬Δɽਤʹ͓͍ͯԣ. ਤ 4. ίʔύεదԠʹ͓͚ΔΤϙοΫ਺ 5 ·Ͱͷ WERʢനൈ͖෦ ෼͸ early stopping ܾఆՕॴʣ. ࣠͸֤దԠ࣮‫ݧ‬ͷछผΛɼຌྫʹ͍ͭͯ͸ɼepoch5 ͸ै དྷͷΤϙοΫ਺ 5 Ͱ‫ݻ‬ఆͨ͠৔߹ɼearly stopping ͸ early. ͱ͸Ͱ͖ͳ͔ͬͨɽҰํͰɼ‫ײ‬৘ೝࣝͷ࣮‫݁ݧ‬Ռͱͯ͠จ. stopping Λ࢖༻͠ΤϙοΫ਺Λܾఆͨ͠ϞσϧΛ࢖༻͠. ‫[ ݙ‬13] ΍จ‫[ ݙ‬14] Ͱ͸ɼ‫ײ‬৘‫౓ڧ‬ผͰೝࣝ͢Δ͜ͱʹΑΓ. ͨ৔߹ɼestop+unkmodel ͸ early stopping Ͱܾఆͨ͠Τ. ‫ײ‬৘ೝࣝͷਫ਼౓͕޲্͍ͯ͠Δɽ͜ΕΒͷ݁Ռ͔Βɼ‫ײ‬৘. ϙοΫ਺ͷԻ‫ڹ‬Ϟσϧͷར༻ʹՃ͑ɼະ஌‫ޠ‬௥ՃϞσϧΛ. ‫͕౓ڧ‬ҟͳΕ͹Ի‫ڹ‬తಛ௃͕ҟͳΔՄೳੑ͕͋Δɽࠓ‫ޙ‬͸. ࢖༻ͨ͠৔߹Λҙຯ͢Δɽ·ͨɼearly stopping ͷࡍʹܾ. ͜ͷ఺΋ߟྀ࣮ͯ͠‫͢ݧ‬Δඞཁ͕͋Δɽ·ͨɼ࿩ऀదԠ͸. ఆ͞Ε֤ͨదԠ‫ޙ‬ϞσϧͷΤϙοΫ਺Λද 5 ʹ‫͢ࡌه‬Δɽ. ίʔύεదԠ΍‫ײ‬৘దԠΑΓ΋ߴ͍ੑೳ͕ಘΒΕ͍ͯΔɽ. early stopping ʹΑΔ‫͋ࢣڭ‬ΓదԠ࣮‫ݧ‬ͷ݁ՌͰ͸ɼ͍ ͣΕ΋ੑೳ໘ͰΤϙοΫ਺ 5 ‫ݻ‬ఆ࣌ͷ݁ՌΑΓ΋վળͯ͠ ͍ͨɽ࠷ऴతͳΤϙοΫ਺Λ֬ೝ͢Δͱ࿩ऀదԠΛআ͖ɼ. 1 ͔Β 3 ఔ౓Ͱఀࢭ͓ͯ͠ΓɼΤϙοΫ਺ 5 ‫ݻ‬ఆͰ͸શମ ͷదԠ࣮‫͍͓ͯʹݧ‬աֶशͷ܏޲͕͋ͬͨɽ. ͜ͷͨΊɼ࿩ऀʹΑΔεϖΫτϧͷมಈ͸૬ରతʹӨ‫͕ڹ‬ େ͖͍ͱ‫͑ݴ‬Δɽ. 7. ·ͱΊ ຊ‫Ͱڀݚ‬͸‫ײ‬৘Ի੠ίʔύε JTES ΛɼదԠɾධՁσʔ. ίʔύεదԠʹ͍ͭͯΤϙοΫ਺ͱೝࣝੑೳͷؔ܎Λௐ. λͱͨ͠Ի੠ೝ࣮ࣝ‫ݧ‬Λߦͳͬͨɽจ‫[ ݙ‬4] Ͱ͸‫ײ‬৘Ի੠. ࠪͨ͠ɽίʔύεదԠͷ݁ՌΛਤ 4 ʹࣔ͢ɽਤ 4 ΑΓίʔ. σʔλϕʔε JTES Λɼ‫ײ‬৘΍࿩ऀ΍ίʔύεͱ͍ͬͨछ. ύεదԠͷ৔߹ͷ࠷ྑͷೝࣝ݁Ռ͸ΤϙοΫ਺ 1 ͰಘΒΕ. ผʹ෼ׂ͠ɼԻ‫ڹ‬ϞσϧదԠ͢Δ͜ͱʹΑΓೝࣝਫ਼౓ͷ޲. ͍ͯΔͷ͕෼͔Δ͕ɼ͜Ε͸ early stopping Ͱͷࣗಈܾఆ. ্ΛࢼΈͨɽ. ΤϙοΫ਺ʹҰக͢Δɽະ஌‫ޠ‬ͷӨ‫ͯؔ͠ʹڹ‬͸ධՁσʔ. ຊߘͰ͸ߋʹ early stopping ͷ‫ݕ‬౼ͱະ஌‫ޠ‬Λ௥Ճͨ͠. λͷະ஌‫཰ޠ‬໿ 3 %ʹରͯ͠ɼ୯‫ޡޠ‬Γ཰͕໿ 2 ϙΠϯ. ‫ޠݴ‬ϞσϧʹΑΔධՁΛߦͳͬͨɽ࣮‫݁ݧ‬ՌΑΓɼearly. τվળ͢Δͱ͍ͬͨ݁Ռʹͳͬͨɽ·ͨɼະ஌‫ޠݴޠ‬Ϟσ. stopping ࢖༻લͷೝࣝਫ਼౓ͱൺֱ͠ɼશͯͷదԠϞσϧͷ. ϧΛར༻͠ɼΤϙοΫ਺Λࣗಈܾఆͨ͠৔߹ɼ࿩ऀదԠ͕. ೝࣝਫ਼౓Ͱվળ͕ಘΒΕͨɽະ஌‫ͯؔ͠ʹޠ‬͸͍ͣΕͷద. 23.05 %Ͱ࠷ྑͷ݁Ռ͕ಘΒΕͨɽ. ԠϞσϧʹΑΔೝࣝͰ΋ 2 ϙΠϯτఔ౓ͷվળ͕ಘΒΕ. ֤దԠͷޮՌʹ͍ͭͯߟ࡯͢ΔɽదԠલͷ WER ͸ 5 ষ. ͨɽ͔͠͠ɼࠓճ‫ݕ‬౼ͨ͠ early stopping ͱະ஌‫ޠ‬Λ௥Ճ. ͷ݁ՌΑΓ 38.10 %Ͱ͋Γɼ͜Εͱൺֱ͍ͯͣ͠ΕͷదԠ. ͨ͠‫ޠݴ‬ϞσϧʹΑΔ݁ՌͰ͸ɼίʔύεదԠͱ‫ײ‬৘దԠ. ΋ޮՌతͰ͋Δ͜ͱ͕෼͔ΔɽίʔύεదԠͱ‫ײ‬৘దԠΛ. Ͱ͋·Γେࠩͷͳ͍ੑೳ͕ಘΒΕͨɽ͜ͷ͜ͱ͔Βɼεϖ. ൺֱ͢ΔͱɼWER ʹ͓͍ͯ͸ίʔύεదԠɼPER ʹ͓͍. ΫτϧʹΑΔ‫ײ‬৘ຖͷదԠͷޮՌΛ֬ೝͰ͖ͳ͔ͬͨɽ͜. ͯ͸‫ײ‬৘దԠͰए‫্ׯ‬ճ͍ͬͯΔ͕ɼ྆ऀ͸େ͕ࠩͳ͍ͱ. ͷ‫ݪ‬Ҽͱͯ͠‫ײ‬৘දग़ͷ‫͕౓ڧ‬࿩ऀʹΑΓେ͖͘ҟͳͬͯ. ‫͑ݴ‬Δɽ͜ͷͨΊࠓճ͸‫ײ‬৘ຖͷదԠͷޮՌ͸֬ೝ͢Δ͜. ͍Δͱߟ͑ΒΕΔɽ·ͨɼearly stoppingɼະ஌‫ޠ‬Λ௥Ճ͠. c 2017 Information Processing Society of Japan. 4.

(5) Vol.2017-SLP-119 No.7 2017/12/21. ৘ใॲཧֶձ‫ڀݚ‬ใࠂ IPSJ SIG Technical Report. ਤ 2. ֤దԠ࣮‫ݧ‬ͷ୯‫ޡޠ‬Γ཰ʢ࿩ऀ‫ײ‬৘దԠʹ͍ͭͯ͸దԠσʔλ਺͕গྔͷͨΊަࠩ‫ݕ‬ఆ ͕ߦ͑ͣɼearly stopping Ҏ߱ͷ࣮‫ݧ‬Λߦͳ͍ͬͯͳ͍ʣ. ਤ 3. ֤దԠ࣮‫ݧ‬ͷԻૉ‫ޡ‬Γ཰. ͨ‫ޠݴ‬ϞσϧΛ࢖༻ͨ͠৔߹ͷ͍ͣΕͷ৚݅ʹ͓͍ͯ΋ɼ. ࢀߟจ‫ݙ‬. ‫ײ‬৘Ի੠ೝࣝʹ͓͍ͯ࿩ऀదԠ͕࠷ྑͰ͋Γɼ23.05 %ͷ. [1]. ୯‫ޡޠ‬Γ཰Λୡ੒ͨ͠ɽ͜ͷ͜ͱ͔Βɼ࿩ऀʹΑΔεϖΫ τϧͷมಈ͸૬ରతʹӨ‫͕ڹ‬େ͖͍ͱ‫͑ݴ‬Δɽ ࠓ‫ޙ‬ͷ՝୊ͱͯ͠ɼ‫ײ‬৘దԠͷੑೳ޲্ͷ‫ݕ‬౼Λߦͳ. [2]. ͏ɽ͜ͷ৔߹ɼ୯७ʹ‫ײ‬৘ผͰదԠ͢ΔͷͰ͸ͳ͘ɼ‫ײ‬৘ ͷ‫౓ڧ‬΋ߟྀͨ͠దԠΛ‫ݕ‬౼͢Δɽ·ͨɼࠓճ͸ CSJ ͷ. [3]. σʔλΛ༻͍ͯ‫ޠݴ‬ϞσϧͷߏஙΛߦͳ͍ͬͯΔ͕ɼCSJ ͱ Twitter ͷൃ‫Ͱݴ‬͸େ͖͘୯‫ޠ‬ͷग़‫ݱ‬ස౓͕ҟͳΔ͜ͱ. [4]. ͕༧૝͞ΕΔɽ͜ͷͨΊɼࠓ‫ޙ‬͸‫ޠݴ‬ϞσϧͷదԠ΋ߦͳ ͍ߋͳΔੑೳ޲্ΛਤΓ͍ͨɽ ँࣙ. [5]. ຊ ࣮ ‫ ݧ‬ͷ Ұ ෦ ͸ Պ ‫ ݚ‬අ (՝ ୊ ൪ ߸ 16K00227ɼ. 15H02720ʣʹΑͬͨɽ. c 2017 Information Processing Society of Japan. [6]. ༗ຊଞɼʠ‫ײ‬৘Ի੠ͷίʔύεߏஙͱԻ‫ڹ‬తಛ௃ͷ෼ੳ -MMORPG ʹ͓͚ΔԻ੠νϟοτΛར༻ͨ͠ର࿩தʹද Εͨ‫ײ‬৘ͷࣝผ-ɼʡ ৘ใॲཧֶձ‫ڀݚ‬ใࠂ, Իָ৘ใՊ ֶ, Vol.74, 133–138, 2008. ෢ੴଞɼʠΤϯτϩϐʔʹ‫ͮ͘ج‬Իӆɾӆ཯όϥϯε‫ײ‬ ৘ґଘจͷઃ‫ͱܭ‬ධՁɼʡిࢠ৘ใ௨৴ֶٕज़‫ڀݚ‬ใࠂɼ 115(253)ɼ33–38ɼ2015ɽ ෢ੴଞɼ ʠ‫ײ‬৘Ի੠σʔλϕʔε JTES ͷԻ੠߹੒ʹΑΔ ධՁɼʡԻ‫ֶڹ‬ձߨ࿦ूʢय़ʣɼ335–338ɼ2017ɽ ૬ᖒଞɼ ʠ‫ײ‬৘Ի੠σʔλϕʔε JTES Λ༻͍ͨ‫ײ‬৘Ի ੠ೝࣝʹ͓͚Δ DNN-HMM Ի‫ڹ‬ϞσϧదԠͷ‫ݕ‬౼ɼ ʡԻ ‫ֶڹ‬ձߨ࿦ूʢळʣɼ97–100ɼ2017ɽ K.Maekawa. ʠCorpus of Spontaneous Japanese: Its design and evaluation,ʡIn Proc. ISCA & IEEE Workshop on Spontaneous Speech Processing and Recognition, 1– 6, 2003. ߴ໺ଞɼ ʠ‫ײ‬৘ؔ࿈‫ޠ‬Λ༻͍ͨ‫ײ‬৘ਪఆ๏ͷఏҊͱχϡʔ εαΠτΞΫηεղੳ΁ͷԠ༻ɼ ʡ೔ຊ‫ײ‬ੑ޻ֶձ࿦จࢽɼ. 5.

(6) ৘ใॲཧֶձ‫ڀݚ‬ใࠂ IPSJ SIG Technical Report. [7]. [8]. [9] [10] [11] [12] [13]. [14]. Vol.2017-SLP-119 No.7 2017/12/21. 11ɼ3ɼ495–502ɼ2012ɽ ߥੜଞɼ ʠର࿩Ի੠߹੒ͷͨΊͷԻӆɾӆ཯ίϯςΩετ Λߟྀͨ͠Ի੠ίʔύεߏங๏ͷ‫ݕ‬౼ɼ ʡԻ‫ֶڹ‬ձߨ࿦ू ʢय़ʣɼ499–500ɼ2013ɽ Yacoub et al.ɼʠRecognition of emotions in interactive voice response systemsɼ ʡin Proc. INTERSPEECH ɼ729– 732ɼ2003ɽ ෌ాଞɼ ʠߴਫ਼౓ͳॳ‫ظ‬ϞσϧΛ༻͍ͨ‫͠ͳࢣڭ‬Ϋϩεద ԠͷධՁɼʡԻ‫ֶڹ‬ձߨ࿦ूʢळʣ ɼ95–98ɼ2016ɽ ޲‫ݪ‬ଞɼ ʠϘτϧωοΫಛ௃ྔΛ༻͍ͨ‫ײ‬৘Ի੠ೝࣝͷ‫ݕ‬ ౼ɼʡԻ‫ֶڹ‬ձߨ࿦ूʢय़ʣ ɼ43–44ɼ2016ɽ D.Povey et al.,ʠThe Kaldi Speech Recognition Toolkit,ʡ in Proc. ASRU, 2010. Mecabɼhttp://taku910.github.io/mecab/ Ѩ෦ଞɼʠSVM Λ༻͍ͨࣗൃର࿩Ի੠ͷ‫ײ‬৘ೝࣝʹ͓͚ Δֶशσʔλͷ‫ݕ‬౼ʡɼ৘ใॲཧֶձ౦๺ࢧ෦‫ڀݚ‬ใࠂɼ 7-A3-3ɼ2016ɽ ෢ੴଞɼ ʠ‫ײ‬৘Ի੠σʔλϕʔεߏஙʹ޲͚ͨԻӆɾӆ཯ όϥϯε‫ײ‬৘Ի੠ͷ༧උత෼ੳɼ ʡԻ‫ֶڹ‬ձߨ࿦ूʢळʣ ɼ 209–212ɼ2016ɽ. c 2017 Information Processing Society of Japan. 6.

(7)