JP5404563B2 - 検索装置 - Google Patents
検索装置 Download PDFInfo
- Publication number
- JP5404563B2 JP5404563B2 JP2010203280A JP2010203280A JP5404563B2 JP 5404563 B2 JP5404563 B2 JP 5404563B2 JP 2010203280 A JP2010203280 A JP 2010203280A JP 2010203280 A JP2010203280 A JP 2010203280A JP 5404563 B2 JP5404563 B2 JP 5404563B2
- Authority
- JP
- Japan
- Prior art keywords
- search
- morpheme
- character string
- dictionary
- facility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
しかし特許文献1の技術では、例えば大船にある「ウミベ」という百貨店の正式名称が「ウミベ大船」である場合、「おーふなうみべ(大船ウミベ)」という入力文字列で音節バイグラム数に基づいて検索すると、正解の「うみべおーふな(ウミベ大船)」よりも、「えーしょぼーおーふなうみべてん(A書房大船ウミベ店)」という不自然な検索結果が検索結果の上位に出力されるという課題があった。これは前記入力文字列中の音節バイグラム「なう」が前者の「うみべおーふな」ではマッチしないのに対し、後者の「えーしょぼーおーふなうみべてん」ではマッチし、検索スコアが後者のほうが高くなるためである。
入力された文字列に基づいて、検索対象とする複数個の文書から所望の文書を検索する検索装置であって、
前記文字列を入力として、前記文字列と検索対象とする複数個の文書を照合し、前記文字列と部分一致または完全一致する複数個の文書と、前記文字列が複数個の文書中に出現する回数に応じた検索スコアとを検索結果として出力する検索手段と、
前記検索対象とする複数個の文書のそれぞれに対する形態素と、検索時に使用される重要度に応じて形態素毎に付与したペナルティ値とを保持する形態素辞書と、
前記文字列と前記検索手段の検索結果を入力とし、前記検索結果のそれぞれの文書に対し、前記形態素辞書を参照して前記文字列から形態素を抽出し、前記文書中には存在するが、前記文字列中からは抽出されなかった形態素に対し、前記ペナルティ値に基づいて前記検索スコアが低くなるように当該検索スコアを修正し、修正した検索スコアに基づいて検索結果の出力順位を再構成して出力する検索順位修正手段とを備える。
本実施の形態では施設や観光スポットの名称(以後は簡単のため施設と観光スポットを総称して施設という)を検索する場合を例にとり説明する。
図1はこの発明による検索装置の実施の形態1の構成を示すブロック図である。
同図において、1は文字列の入力端、2は文字列、3は検索手段、4は検索辞書メモリ、
5は中間検索結果、6は検索順位修正手段、7は形態素辞書メモリ、8は検索結果である。
文字列の入力端1から文字列2を入力すると、検索手段3はまず文字列2を構成する音節バイグラムを全て抽出する。例えば入力文字列2を「おーふなうみべ」とすると、音節バイグラムとして、「おーふ」「ふな」「なう」「うみ」「みべ」という5個の音節バイグラムを抽出する。
手順1)k=1とおく(図6のst101)
手順2)形態素辞書メモリ7に保持している形態素辞書を参照し、図5に示す検索手段3の中間検索結果5の第k位(この場合はk=1であるから1位)の施設名の形態素と文字列2の照合処理を行い、文字列2に含まれる形態素を抽出する(図6のst102)。ここで前記照合処理とは、形態素辞書中の1個以上の形態素の組み合わせが文字列2と一致するか否かを調べることであり、一致する場合は前記1個以上の形態素が文字列2に含まれると判定し、前記1個以上の形態素を抽出する。
例えばk=1の場合は、前述のように1位の検索結果は施設ID=1の施設名であり、図4に示すとおり形態素辞書中の形態素は、「えーしょぼー」、「おーふな」、「うみべ」、「てん」となる。これらの形態素と文字列2である「おーふなうみべ」との間で照合を行うと、「おーふな」と「うみべ」の2個の形態素が抽出される。
例えばk=1の場合は、上述のとおり文字列2に含まれる形態素は「おーふな」と「うみべ」の2個、形態素辞書中の形態素は、「えーしょぼー」、「おーふな」、「うみべ」、「てん」なので、形態素辞書中には存在するが文字列2中には存在しない形態素は「えーしょぼー」と「てん」の2個である。これらの形態素に対するペナルティ値は図4に示すとおり、それぞれ3と0なので、前記ペナルティ累積値P(k)の値は、P(k) = 3+0 = 3となる。
この結果、上述のk=1の例では、S’(1) = 5 - 0.5*3 = 3.5となる。
手順6)手順4で修正した修正スコアS’(k) (k=1〜N)を用い、修正スコアS’(k)の大きい順に検索結果を並べ換え、検索結果8として出力する。(図5のst107)
修正後の検索スコアの大きい順に検索順位を並べ換えた結果を図7に示す。「ウミベ大船」が検索順位の第1位になっていることがわかる。
本実施の形態では、実施の形態1と同様に施設名を検索する場合を例にとり説明する。
図8はこの発明による検索装置の実施の形態2の構成を示すブロック図である。
同図において、実施の形態1と同等部分には同一番号を付し、説明を省略する。9は音声の入力端、10は入力音声、11は音声認識手段、12は言語モデルメモリ、13は音響モデルメモリである。
音響モデルメモリ13には音声の特徴をモデル化した音響モデルを格納している。本実施の形態では音響モデルは例えばHMM(Hidden Markov Model)とする。
音声の入力端9から音声10を入力すると音声認識手段11は言語モデルメモリ12に保存されている言語モデルと音響モデルメモリ13に保存されている音響モデルを用いて、例えばビタビアルゴリズムによって音声認識を行い音声認識結果として、文字列2を出力する。文字列2は本例ではひらがな表記とする。
例えば音声10の発話内容が「大船ウミベ」である音声認識手段11の出力は、例えば「おーふなうみで」となる。本例では、「うみべ」の最後の1音節を「で」に誤認識したものとする。
手順3以降の処理は実施の形態1と同一なので説明を省略する。
Claims (5)
- 入力された文字列に基づいて、検索対象とする複数個の文書から所望の文書を検索する検索装置であって、
前記文字列を入力として、前記文字列と検索対象とする複数個の文書を照合し、前記文字列と部分一致または完全一致する複数個の文書と、前記文字列が複数個の文書中に出現する回数に応じた検索スコアとを検索結果として出力する検索手段と、
前記検索対象とする複数個の文書のそれぞれに対する形態素と、検索時に使用される重要度に応じて形態素毎に付与したペナルティ値とを保持する形態素辞書と、
前記文字列と前記検索手段の検索結果を入力とし、前記検索結果のそれぞれの文書に対し、前記形態素辞書を参照して前記文字列から形態素を抽出し、前記文書中には存在するが、前記文字列中からは抽出されなかった形態素に対し、前記ペナルティ値に基づいて前記検索スコアが低くなるように当該検索スコアを修正し、修正した検索スコアに基づいて検索結果の出力順位を再構成して出力する検索順位修正手段と、
を備えたことを特徴とする検索装置。 - 入力された文字列は、入力音声を音声認識手段により音声認識し、その認識結果が文字列として出力されたものであることを特徴とする請求項1記載の検索装置。
- 前記形態素に付与するペナルティ値は、当該文書を検索するときに入力文字列中から省略される可能性が小さい形態素ほど大きなペナルティ値を付与しておくことを特徴とする、請求項1または2記載の検索装置。
- 前記検索順位修正手段は、前記形態素辞書を参照して前記文字列から形態素を抽出する方法として、文字列上のDPマッチングを用い、前記文字列と前記形態素辞書中の形態素が完全一致しない場合でも前記文字列中から形態素を抽出することを特徴とする請求項1または2記載の検索装置。
- 前記検索対象とする文書は複数個の施設名称であって、施設名称を構成する最後尾の形態素が「店」である施設名称の先頭の形態素に対し、他の形態素よりも大きなペナルティ値を付与することを特徴とする請求項1または2記載の検索装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010203280A JP5404563B2 (ja) | 2010-09-10 | 2010-09-10 | 検索装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010203280A JP5404563B2 (ja) | 2010-09-10 | 2010-09-10 | 検索装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2012059126A JP2012059126A (ja) | 2012-03-22 |
JP2012059126A5 JP2012059126A5 (ja) | 2013-01-10 |
JP5404563B2 true JP5404563B2 (ja) | 2014-02-05 |
Family
ID=46056123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010203280A Expired - Fee Related JP5404563B2 (ja) | 2010-09-10 | 2010-09-10 | 検索装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5404563B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015107659A1 (ja) * | 2014-01-16 | 2015-07-23 | 三菱電機株式会社 | 検索装置 |
CN110516062B (zh) * | 2019-08-26 | 2022-11-04 | 腾讯科技(深圳)有限公司 | 一种文档的搜索处理方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2872706B2 (ja) * | 1989-09-29 | 1999-03-24 | 株式会社リコー | 情報検索装置 |
JP3460728B2 (ja) * | 1992-08-14 | 2003-10-27 | 株式会社リコー | 文書検索方式 |
JPH1097545A (ja) * | 1996-09-20 | 1998-04-14 | Sharp Corp | 情報処理装置 |
JP2999768B1 (ja) * | 1999-03-04 | 2000-01-17 | 株式会社エイ・ティ・アール音声翻訳通信研究所 | 音声認識誤り訂正装置 |
JP2002259426A (ja) * | 2001-02-28 | 2002-09-13 | Toshiba Corp | 類似文書検索装置、類似文書検索方法、類似文書検索プログラムを記録した記録媒体及び類似文書検索プログラム |
JP5010885B2 (ja) * | 2006-09-29 | 2012-08-29 | 株式会社ジャストシステム | 文書検索装置、文書検索方法および文書検索プログラム |
JP5072415B2 (ja) * | 2007-04-10 | 2012-11-14 | 三菱電機株式会社 | 音声検索装置 |
-
2010
- 2010-09-10 JP JP2010203280A patent/JP5404563B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012059126A (ja) | 2012-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5258959B2 (ja) | 音声認識装置 | |
CN111557029B (zh) | 用于训练多语言语音识别网络的方法和***以及用于执行多语言语音识别的语音识别*** | |
JP6188831B2 (ja) | 音声検索装置および音声検索方法 | |
JP5072415B2 (ja) | 音声検索装置 | |
Creutz et al. | Morph-based speech recognition and modeling of out-of-vocabulary words across languages | |
US9978364B2 (en) | Pronunciation accuracy in speech recognition | |
CN110603583A (zh) | 语音识别***和用于语音识别的方法 | |
JP2021501376A (ja) | 音声認識システム | |
US6823493B2 (en) | Word recognition consistency check and error correction system and method | |
US20150179169A1 (en) | Speech Recognition By Post Processing Using Phonetic and Semantic Information | |
JP5274191B2 (ja) | 音声認識装置 | |
JP2001092494A (ja) | 音声認識装置、音声認識方法および音声認識プログラム記録媒体 | |
JP5404563B2 (ja) | 検索装置 | |
Zablotskiy et al. | Speech and Language Resources for LVCSR of Russian. | |
JP5004863B2 (ja) | 音声検索装置および音声検索方法 | |
JP2006031278A (ja) | 音声検索システムおよび方法ならびにプログラム | |
JP2012255867A (ja) | 音声認識装置 | |
Chen et al. | Using Taigi dramas with Mandarin Chinese subtitles to improve Taigi speech recognition | |
JP5046902B2 (ja) | 音声検索装置 | |
Puurula et al. | Vocabulary decomposition for Estonian open vocabulary speech recognition | |
Sarikaya et al. | Maximum entropy modeling for diacritization of arabic text | |
Ouellet et al. | Heuristic syllabification and statistical syllable-based modeling for speech-input topic identification | |
JPS63153596A (ja) | 音声文章入力装置 | |
Chen et al. | Discriminative training for improving letter-to-sound conversion performance | |
JP2005534968A (ja) | 漢字語の読みの決定 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121120 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121120 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130918 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131001 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131029 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |