Методы пофонемного распознавания, использующие свойства языка и речи

Работа посвящена анализу практической значимости решения проблемы пофонемного распознавания речи; выявлению важных для распознавания свойств языка и речи; разработке на их основе схемы анализа речи и методов пофонемного распознавания речи. The article is devoted to analysis of speech recognition p...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2008
1. Verfasser:	Дорохина, Г.В.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут проблем штучного інтелекту МОН України та НАН України 2008
Schlagworte:	Распознавание образов. Системы цифровой обработки сигналов и изображений
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/7475
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Методы пофонемного распознавания, использующие свойства языка и речи / Г.В. Дорохина // Штучний інтелект. — 2008. — № 4. — С. 332-338. — Бібліогр.: 13 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-7475
record_format	dspace
spelling	Дорохина, Г.В. 2010-03-31T15:09:19Z 2010-03-31T15:09:19Z 2008 Методы пофонемного распознавания, использующие свойства языка и речи / Г.В. Дорохина // Штучний інтелект. — 2008. — № 4. — С. 332-338. — Бібліогр.: 13 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/7475 004.934 Работа посвящена анализу практической значимости решения проблемы пофонемного распознавания речи; выявлению важных для распознавания свойств языка и речи; разработке на их основе схемы анализа речи и методов пофонемного распознавания речи. The article is devoted to analysis of speech recognition problem based on phoneme recognition; finding the language and speech features that are useful for speech recognition, designing of speech recognition methods based on phoneme recognition that use features of language and speech. ru Інститут проблем штучного інтелекту МОН України та НАН України Распознавание образов. Системы цифровой обработки сигналов и изображений Методы пофонемного распознавания, использующие свойства языка и речи Speech Recognition Methods Based on Phoneme Recognition That use Features of Language and Speech Article published earlier
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
title	Методы пофонемного распознавания, использующие свойства языка и речи
spellingShingle	Методы пофонемного распознавания, использующие свойства языка и речи Дорохина, Г.В. Распознавание образов. Системы цифровой обработки сигналов и изображений
title_short	Методы пофонемного распознавания, использующие свойства языка и речи
title_full	Методы пофонемного распознавания, использующие свойства языка и речи
title_fullStr	Методы пофонемного распознавания, использующие свойства языка и речи
title_full_unstemmed	Методы пофонемного распознавания, использующие свойства языка и речи
title_sort	методы пофонемного распознавания, использующие свойства языка и речи
author	Дорохина, Г.В.
author_facet	Дорохина, Г.В.
topic	Распознавание образов. Системы цифровой обработки сигналов и изображений
topic_facet	Распознавание образов. Системы цифровой обработки сигналов и изображений
publishDate	2008
language	Russian
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
format	Article
title_alt	Speech Recognition Methods Based on Phoneme Recognition That use Features of Language and Speech
description	Работа посвящена анализу практической значимости решения проблемы пофонемного распознавания речи; выявлению важных для распознавания свойств языка и речи; разработке на их основе схемы анализа речи и методов пофонемного распознавания речи. The article is devoted to analysis of speech recognition problem based on phoneme recognition; finding the language and speech features that are useful for speech recognition, designing of speech recognition methods based on phoneme recognition that use features of language and speech.
issn	1561-5359
url	https://nasplib.isofts.kiev.ua/handle/123456789/7475
citation_txt	Методы пофонемного распознавания, использующие свойства языка и речи / Г.В. Дорохина // Штучний інтелект. — 2008. — № 4. — С. 332-338. — Бібліогр.: 13 назв. — рос.
work_keys_str_mv	AT dorohinagv metodypofonemnogoraspoznavaniâispolʹzuûŝiesvoistvaâzykaireči AT dorohinagv speechrecognitionmethodsbasedonphonemerecognitionthatusefeaturesoflanguageandspeech
first_indexed	2025-11-25T23:52:17Z
last_indexed	2025-11-25T23:52:17Z
_version_	1850587022050197504
fulltext	«Искусственный интеллект» 4’2008 332 4Д УДК 004.934 Г.В. Дорохина Институт проблем искусственного интеллекта МОН и НАН Украины, г. Донецк Украина, sgv@iai.donetsk.ua Методы пофонемного распознавания, использующие свойства языка и речи Работа посвящена анализу практической значимости решения проблемы пофонемного распознавания речи; выявлению важных для распознавания свойств языка и речи; разработке на их основе схемы анализа речи и методов пофонемного распознавания речи. Введение Сложную не решенную на сегодняшний день проблему распознавания речи считают актуальной с 50-х годов прошлого столетия по ряду причин. Поскольку параметризованная речь – это многомерный временной ряд, анализируя который принимают решение о произнесённом сообщении, данная проблема относится к области принятия решений на основе анализа временных рядов. Такие задачи распространены в экономике, управлении и т.п. Пофонемное распознавание выполняется путём анализа множества составных гипотез (последовательностей фонем, последовательностей слов и т.д.), соответству- ющих произнесению. Новые методы пофонемного распознавания могут повлиять на развитие методов принятия решений на основе анализа составных гипотез. Кроме того, в речи используется многоуровневая система дублирующих друг друга знаков, что обеспечивает значительный запас помехоустойчивости при передаче сообщений между людьми. Изучение этой многоуровневой системы знаков, способов взаимодействия между знаками различных уровней тесно связано с моделированием интеллектуальной деятельности человека, требует привлечения средств компьютерной лингвистики и других направлений искусственного интеллекта, а успех в этой области будет способствовать развитию средств интеллектуализации компьютерных интер- фейсов, ускорению и упрощению процесса человеко-машинного общения. В последнее время в области речевых технологий можно отметить использование статистических методов описания речи на акустическом, лексическом и более высоких уровнях. Это оправдано, если в основании лежит адекватная модель объекта. Кроме того, неявное использование свойств объекта (что происходит при его статистическом описании) в практических целях не развивает науку о самом объекте. С этой точки зрения актуальной является разработка методов пофонемного распознавания, использующих явно заданные свойства языка и речи. Объект исследования – речь как средство передачи сообщений. Предмет исследования – модели и методы представления и распознавания речи. Методы исследования. Методы теории информации и кодирования, положения теорий речеобразования и восприятия речи, акустической фонетики, синтаксиса для анализа речи как объекта. Методы пофонемного распознавания, использующие свойства языка и речи «Штучний інтелект» 4’2008 333 4Д Целью работы является разработка методов пофонемного распознавания речи, использующих явно заданные свойства языка и речи. Поставленная цель определила задачи исследования. 1. Выявить важные для распознавания свойства языка и речи. 2. Проанализировать существующие методы распознавания речи, положенные в их основу схемы анализа речи, с точки зрения использования выделенных свойств. 3. Разработать схему анализа речи и методы распознавания речи, использующие явно заданные свойства речи. Использование свойств языка и речи Анализ источников позволил выделить следующие свойства языка и речи. 1. Продуктивность (С1) – «возможность продуцировать сколь угодно большое количество информационных сообщений, обладающих разным смыслом» [1]. 2. Помехозащищённость (С2) – «сохранение смысловой информации при различных вариантах акустических помех и искажений», «достаточная точность передачи смысловой информации при различных вариантах нарушений (не только патологических, но чаще всего ситуационных) процессов речеобразования и речевосприятия» [1]. 3. Параллельное независимое использование сегментного и целостного восприятия слов в потоке речи (С3) – один из механизмов, обеспечивающих помехозащищенность речи [1]. 4. Звуки, образованные различными источниками звука (голосовой, шумовой, голосовой и шумовой) [2], хорошо различимы (С4). 5. Звуки речи вариативны и изменчивы. Цельного, однородного звука, соответ- ствующего фонеме, не существует (С5) [3, с. 22]. 6. Фонема – минимальная единица языка, которая служит для различения и отождествления значимых единиц языка (С6). Утверждение вытекает из опреде- ления фонемы: фонема – группа звуков, обладающих определенной артикуляторно- слуховой общностью, и функционально друг другу не противопоставленных, т.е. не встречающихся в одинаковом положении в фонетической структуре слова [4]. Учёт данных свойств различными методами распознавания речи, а также характеристики этих методов отражены в табл. 1. Таблица 1 – Характеристики методов распознавания речи Возможности метода Описание уровней языка Учёт свойств языка и речи Харак- терис- тики Методы П оэ ле ме нт но е ра сп оз на ва ни е К ом ан ды ма ло го с ло ва ря К ом ан ды ср ед не го сл ов ар я К ом ан ды б ол ь- ш ог о сл ов ар я С ли тн ая р еч ь А ку ст ик о- фо не ти че ск ий Л ек си че ск ий С ем ан ти ко - си нт ак си че ск ий СРР С1 С2 С3 С4 С5 С6 НС - + - - - - - - К -  - - - - ДВД - + + - - - - - К - - - - - - СММ + + + + + С С С К - - - - - - КДП + + + + + С С С Л - - - - - - АФП + + + + + Я С С Л - -  + - - ИИ + + + + + Я Я Я - + + + + + + Дорохина Г.В. «Искусственный интеллект» 4’2008 334 4Д В табл. 1 использованы следующие обозначения: СРР – системы распознавания речи; СММ – скрытые марковские модели; КДП – метод, сочетающий композицию (К) и динамическое программирование (ДП); НС – нейронные сети; ДВД – метод динамической временной деформации; АФП – методы акустическо-фонетического подхода; ИИ – методы искусственного интеллекта; Я – явное использование свойств языка и речи; С – статистическое описание свойств языка и речи; К – коммерческие системы распознавания речи; Л – лабораторные системы распознавания речи. Свойства С1 – С6, а также результаты собственных исследований [5], [6] позволили дополнительно сформулировать ряд гипотез относительно свойств речи, необходимых для достижения поставленной цели. Гипотеза 1: Речь – относительный блочный код ( Г1 ) а) Относительность кода. В кодировании принимает участие интенсивность и частотные характеристики звука. Кодирование производится не за счёт предъявления в частотной области сигналов определённой интенсивности, а за счёт изменения спектральных характеристик и интенсивности. б) Блок речи (БР) – это:  фрагмент речи, отделённый от остальной речи межфразовыми паузами (дыха- тельными, интонационными и др.);  фрагмент речи конечной длины;  изолированное слово или слитно произносимая фраза. Гипотеза 2: Синтаксическая структура БР формализуема ( Г2 ) БР – это изолированное слово или простое распространённое неосложнённое предложение. Гипотеза 3: Фонема – это единица смыслоразличения, а не единица различения звуков ( Г3 ) Часть гипотезы Г1, касающаяся относительности кода, предполагает возможность использования относительных порогов (не абсолютных), которые возможно установить, исходя из результатов анализа распознаваемого речевого сигнала (РС). Использование данной гипотезы [7-9] даёт возможность повышения эффективности и устойчивости работы СРР при смене звукозаписывающего оборудования и параметров окружения. Представление речи как последовательности БР, естественным образом отделимых друг от друга во времени, позволяет выявить ограничения на длину и структуру этих единиц, что позволит формализовать их с учётом С4 и Г2 [6]. Третья гипотеза основана на свойствах С5 и С6. Она, в отличие от общепринятой в традиции, предполагает выполне- ние анализа РС как последовательности фонем (очень размытых в пространстве акусти- ческих признаков классов) уже после генерации гипотез о слове или последовательности слов, соответствующих произнесению (смысловых единиц). На рис. 2 а – в приведены используемые в современных системах распознавания схемы обработки речи. Хорошо разделимыми в пространстве акустических признаков являются широкие фонетические классы (ШФК) звуков, образованные различными источниками звука (С4): невокализованные смычки ([п, т, к]); невокализованные фрикативные ([ш, щ, ч, с, ц, ф, х]); вокализованные фрикативные ([ж, з, дж , дз ]); остальные вокализованные согласные и гласные. Искажения РС, приводящие к ошибкам в различении ШФК-клас- Методы пофонемного распознавания, использующие свойства языка и речи «Штучний інтелект» 4’2008 335 4Д сов, делают этот РС нераспознаваемым и для человека. Следовательно, выдвижение или исключение гипотез о произнесении необходимо выполнять по результатам анализа последовательности ШФК звуков РС. Исходя из сказанного, схема обработки речи должна иметь вид, представ- ленный на рис. 1г. За счёт анализа всех допустимых кандидатов (С2) такая схема обеспечивает параллельное независимое использование сегментного (фонемного) и целостного восприятия потока речи (С3). Ограничение на длину распознаваемого БР позволяет предположить формализуемость фразы как последовательности слов. Анализ речи блоками (Г1) может содействовать переходу в распознавании речи от абсолютных порогов к относительным, вычисляемым по БР, а также к возмож- ности формализации их синтаксической структуры (Г2). Учёт (С1), полученной системой распознавания, зависит от способа организации модуля проверки синтак- сической связности последовательности слов. Основанная на С5 и С6, гипотеза Г3 отражает порядок анализа РС – фонемный уровень следует за анализом слов или последовательностями слов. Рисунок 1 – Схемы обработки речи различными методами: а) ДВД, б) СММ, в) методами акустическо-фонетического направления, г) предложенная схема обработки блока речи Речь П ос ле до ва те ль - но ст ь сл ов С ло во Последователь- ность фонем Результат распознавания Последователь- ность разделимых звуков Речь Последователь- ность фонем С4 С3 П ос ле до ва те ль - но ст ь сл ов С ло во Результат распознавания Многомерный временной ряд Речь Результат распознавания а) б) Блок речи Последовательность звуков ШФК Последователь- ность ШФК- транскрипций слов Синтаксически свя- занная последова- тельность слов С ло во Последовательность фонем Г1, С4 С3 Г2 Г3, С3 С1 Результат распознавания в) г) Дорохина Г.В. «Искусственный интеллект» 4’2008 336 4Д Модели пофонемного распознавания речи Рассматривая слитную речь как последовательность БР, в задаче распознавания получаем две подзадачи: распознавания БР и выбор последовательности БР. Выбор последовательности БР – задача семантического уровня, средствами для решения которой мы не обладаем на данном этапе. Рассмотрим подзадачу распознавания БР. Ориентируясь на разработку моделей и алгоритмов пофонемного распознавания речи, использующих явно заданные свойства языка и речи, попадаем в область ИИ, где используют методы интеграции источников знаний «снизу-вверх» и «сверху- вниз». С учётом предложенной схемы обработки блока речи разработаны модели пофонемного распознавания «снизу-вверх» (рис. 2а) и «сверху-вниз» (рис. 2б). На рис. 2 использованы следующие обозначения: БР – блок речи; ШФКТ – транскрипция согласно широкой фонетической классификации; ШФКТС – транскрипция слова согласно широкой фонетической классификации; МИ – морфологическая информация о слове (часть речи, род, число и пр.); ФТ – фонетическая транскрипция; ПО – предметная область; КСГ – контекстно-свободная грамматика, описывающая синтаксис языка. Данные модели в качестве явно заданных закономерностей речи используют для ограничения количества гипотез фраз ШФК-транскрипции БР. Закономерности языка отражают правила синтаксиса, описывающие синтаксис простых распространённых неосложнённых предложений, а закономерности предметной области – соотношение понятий, выраженное в возможности участия групп слов в определенных видах синтаксической связи. Распознавание речи при интеграции источников знаний «снизу-вверх» может применяться в задачах диктовки, стенографирования, распознавания спонтанной речи – т.е. в случае, когда трудно заранее оценить перечень возможных фраз и речь нужно фиксировать, а не ставить ей в соответствие некоторое действие. Система, моделиру- ющая этапы «Генерация гипотез последовательностей ШФКТС», «Генерация гипотез последовательностей слов», «Выбор синтаксически допустимых гипотез фразы», описана в работе [5]. При этом множества гипотез (последовательностей ШФКТС, последовательностей слов, фразы) генерируются, анализируются и хранятся в явном виде благодаря способу представления составных гипотез, изложенному в работе [10]. Системы распознавания команд и вопросно-ответные системы предполагают выполнение определённого действия как реакции на результат распознавания. Для обеспечения устойчивой работы системы перечень фраз и действий целесообразно определять до этапа эксплуатации. В таком случае логично применение метода интеграции знаний «сверху-вниз». По сравнению с распознаванием слитно произносимых фраз согласно методу «снизу-вверх», синтезирующему множество гипотез фразы и анализирующему эти гипотезы, в данном методе выполняется поиск множества гипотез распознаваемой фразы, что требует значительно меньших вычислительных затрат. Отметим, что для системы распознавания в этом случае не имеет значения распознаёт она слово или фразу – и то, и другое известно системе и представляется по- следовательностью фонем. То есть для этапа «Пофонемное распознавание» (как для модели «снизу-вверх», так и для модели «сверху-вниз») можно использовать алгоритмы пофонемного распознавания изолированных слов [11]. Фонетическую транскрипцию каждой фразы можем получить с помощью транскриптора, использованного в работе [12], а ШФК-транскрипцию фразы по её написанию – c учётом [5]. Формирование структур словаря фраз, обеспечивающих их скоростной поиск, выполним согласно [10]. Методы пофонемного распознавания, использующие свойства языка и речи «Штучний інтелект» 4’2008 337 4Д Получение ШФК-транскрипции БР можно выполнять, опираясь на работы [7-13]; поиск в словаре фраз множества гипотез фразы, соответствующих ШФК-транскрипции фрагмента речи, обеспечивается сформированными на подготовительном этапе структурами словаря фраз согласно [10]. Рисунок 2 – Разработанные модели пофонемного распознавания при методах интеграции источников знаний «снизу-вверх» а) и «сверху-вниз» б) Следовательно, в указанной модели «снизу-вверх» непроработанным к настоящему моменту остался вопрос синтеза фраз предметной области, чему посвятим дальнейшие работы. Эталоны фонем Определение ШФКТ БР блок речи Генерация гипотез последовательностей ШФКТС Генерация гипотез последовательностей слов Выбор синтаксически допустимых гипотез фразы Пофонемное распознавание ШФКТС Слова, МИ Правила синтаксиса а) Фразы ШФКТ фраз ФТ фраз Эталоны фонем блок речи Определение ШФКТ БР Активация множества ФТ фраз, согласно ШФКТ БР Пофонемное распознавание фраза Генерация фраз ПО Построение ФТ фраз Слова КСГ Семантика ПО Построение ШКФТ фраз Рабочий режим Режим обучения б) Дорохина Г.В. «Искусственный интеллект» 4’2008 338 4Д Заключение В работе проанализирована проблема пофонемного распознавания речи. Выявлены важные для распознавания свойства языка и речи; разработаны на их основе схемы анализа речи и методов пофонемного распознавания речи. Выявлены важные для распознавания свойства языка и речи, на их основе предложено рассматривать слитную речь как последовательность БР, и сформирована схема обработки блоков речи. В соответствии с данной схемой разработаны методы пофонемного распознавания, предполагающие интеграцию источников знаний «снизу-вверх» и «сверху-вниз», опре- делены задачи распознавания, в которых они могут быть применены, указаны способы реализации элементов системы пофонемного распознавания. К отличительным особенностям данных методов относятся явное задание и исполь- зование свойств речи и языка; хранение и анализ составных гипотез, представленных согласно [10]; исключение из рассмотрения только недопустимых гипотез, а не анализ наиболее вероятных. Литература 1. Галунов В.И., Соловьев А.Н. Современные проблемы в области распознавания речи // Информационные технологии и вычислительные системы. – 2004. – № 2. 2. Фант Г. Акустическая теория речеобразования. – М.: Наука, 1964. 3. Ганиев Ж.В. Русский язык: Фонетика и орфоэпия: Учеб. пособие для институтов и фак. иностр. яз. – М.: Высш. шк., 1990. – 174 с. 4. Панов М.В. Современный русский язык. Фонетика: Учебник для ун-тов. – М.: Высш. школа, 1979. – 256 с. 5. Дорохина Г.В. Ограничение количества гипотез фразы при распознавании слитной речи // Известия ТРТУ. – 2005. – № 10. – C. 54-60. 6. Саввина Г.В. Речь как звуковой код // Труды конф. «Информационные технологии в социологии, экономике, образовании и бизнесе» Ялта-Гурзуф (Украина, Крым). – 30 сентября – 9 октября 2003 г. – Запорожье. – 2003. – С. 49-51. 7. Ермоленко Т.В. Разработка системы распознавания изолированных слов русского языка на основе вейвлет-анализа // Искусственный интеллект. – 2005. – № 4. – С. 595-601. 8. Ермоленко Т.В., Фёдоров Е.Е. Методика подавления шума в сигнале, основанная на вейвлет- преобразовании и классификации звуков речи // Сборник научных трудов «Актуальні проблеми автоматизації та інформаційних технологій». – Кафедра вычислительной математики и математической кибернетики ДНУ, 2006. – Т. 10. – С. 50-56. 9. Ермоленко Т.В. Методика формирования эталонов фонем, базирующаяся на вейвлет- преобразовании Морле // Таврический вестник информатики и математики. – 2006. – № 1. – С. 127-132. 10. Пат. України № 78806 «Пристрій для збереження і пошуку рядкових величин та спосіб збереження і пошуку рядкових величин» / Власник: Інститут проблем штучного інтелекту. – Винахідник Дорохіна Г.В. // Промислова власність. Бюл. № 5, 25.04.2007. 11. Козлов А.В., Саввина Г.В., Шелепов В.Ю. Система пофонемного распознавания отдельно произносимых слов // Искусственный интеллект. – 2003. – № 1. – С. 156-165. 12. Грабовая В.А., Федоров Е.Е., Шелепов В.Ю. О системе компьютерного распознавания русской речи c автоматическим построением эталонов // Искусственный интеллект. – 2000. – № 1. – С. 76-81. 13. Ниценко А.В., Шелепов В.Ю. Алгоритмы пофонемного распознавания слов наперед заданного словаря // Искусственный интеллект. – 2004. – № 4. – С. 633-639. G.V. Dorokhina Speech Recognition Methods Based on Phoneme Recognition That use Features of Language and Speech The article is devoted to analysis of speech recognition problem based on phoneme recognition; finding the language and speech features that are useful for speech recognition, designing of speech recognition methods based on phoneme recognition that use features of language and speech. Статья поступила в редакцию 16.07.2008.

Методы пофонемного распознавания, использующие свойства языка и речи

Institution

Ähnliche Einträge