KR20100069120A - 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치 - Google Patents
운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치 Download PDFInfo
- Publication number
- KR20100069120A KR20100069120A KR1020080127710A KR20080127710A KR20100069120A KR 20100069120 A KR20100069120 A KR 20100069120A KR 1020080127710 A KR1020080127710 A KR 1020080127710A KR 20080127710 A KR20080127710 A KR 20080127710A KR 20100069120 A KR20100069120 A KR 20100069120A
- Authority
- KR
- South Korea
- Prior art keywords
- speech
- morpheme
- rhyme
- model
- rhyme model
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Machine Translation (AREA)
Abstract
본 발명은 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치에 관한 것으로, 음성인식의 결과 또는 전사한 텍스트문장의 형태소를 해석하고, 해석이 모호한 부분에 대해 음성 DB를 기반으로 기 구축된 형태소 품사 시퀀스별 운율 모델과 입력음성의 운율 모델을 비교하여, 입력음성의 운율 모델에 대한 최적의 형태소 품사 시퀀스를 찾고, 그 찾은 결과를 형태소 품사 태깅 방법과 조합시켜 형태소 품사를 태깅함으로써, 형태소 품사 태깅의 정확도를 극대화시킬 수 있다. 또한, 본 발명은 운율 모델을 적용하여 형태소 품사를 태깅함으로써, 화자의 발성 의도를 파악할 수 있다.
형태소, 운율 모델, 품사, 태깅
Description
본 발명은 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치에 관한 것으로, 보다 상세하게 설명하면 음성 데이터베이스(DabaBase, 이하 DB라 함)를 기반으로 형태소 품사 시퀀스별 운율모델을 구축하고, 텍스트 문장과 입력음성의 운율 모델을 이용하여 형태소 품사 태깅의 모호성을 해소하도록 하는 방법 및 그 장치에 관한 것이다.
본 발명은 지식경제부 및 정보통신연구진흥원의 IT성장동력기술개발사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호: 2008-S-019-01, 과제명: 휴대형 한/영 자동통역 기술개발].
주지된 바와 같이, 음성인식기를 이용하는 자동통역이나 정보검색 장치는 음성인식기의 결과인 텍스트 문장만을 바탕으로 형태소 품사 태깅, 구문분석, 의미분석 등을 수행한다.
즉, 텍스트 문장만을 이용하여 통역하는 경우, 형태소 품사 태거의 오류로 인해, 화자의 발성 의도와는 전혀 다른 번역 결과를 출력할 수 있다. 예컨대, 텍스트 문장만을 이용하여 통역하는 경우 음성인식 결과가 “나는 새를 보았다”일 경우, 예1) 및 예2)
예1) 나/인칭대명사 는/조사 새/명사 를/조사 보/동사 았/어미 다/어미
예2) 나/동사 는/관형형어미 새/명사 를/조사 보/동사 았/어미 다/어미
로 형태소 해석이 될 수 있는데, 입력 문장만으로는 “나”가 “인칭대명사”의 뜻인지 “날다”동사의 뜻인지를 전혀 알 수가 없으므로, 이 문장은 구문분석과 나아가 의미분석을 하더라도 구분할 수 없다. 따라서, 자동통역기에서 활용하는 경우, 화자의 발성 의도와는 전혀 다른 번역 결과를 출력할 수 있다.
일 예로, 도 1은 “나는 새를 보았다”에 대한 음성파일을 나타낸 도면으로서, 앞의 음성은 상술한 예1)의 음성파일이고, 뒤의 음성은 상술한 예2)의 음성파일에 대한 실제 예이다. 다시 말하여, 도 1을 참조하면, “나는”이 인칭대명사로 쓰일 경우와 동사로 쓰일 경우의 피치정보는 다른 것이다. 예1)의 인칭대명사로 사용할 경우는 피치가 높았다가 낮아지며, 예2)의 동사로 쓰일 경우는 낮아졌다가 높아짐을 알 수 있다. 이 피치정보를 활용하면 예1)과 예2)를 구분할 수 있다. 또한 예1)은 “나는”에서 끊어 읽으며, “나는 새를”에서 끊어 읽음을 볼 수 있어, 끊어 읽기 정보 또한 다르다. 또한, 음성의 길이 정보와 끊어 읽기 정보를 활용할 수 있다.
예컨대, 발성의 길이에 대한 예로서,
예3) 내가 아는 한 교수님은 그렇지 않다.를 살펴보면, “내가 아는”에서 끊어 읽을 경우는 “한/고유명사”로 “한씨 성을 가진 교수님”의 뜻이며, 짧게 발성이 된다. 반면에 “내가 아는 한”에서 끊어 읽게 되면 “한/의존명사”의 뜻으로 길게 발성이 된다.
또한, "종결어휘와 피치를 이용한 문형정보를 추출하는 방법"을 사용한 예가 개시되어 있다. 즉 자동통역 장치의 음성인식 결과에 따른 종결어휘를 이용하여 1차적으로 문형 정보를 추출하고, 2차적으로 음성으로부터 피치를 추출한 후 종결어휘의 문형별 출현 빈도율과 조합하여 문형정보를 추출함으로서 보다 높은 정확률을 얻을 수 있다.
그러나, 상술한 바와 같은 종래 기술은 대용량 텍스트 DB에서의 종결어휘의 출현빈도율과, 추출된 피치의 선형조합 방법에 의해 수행되며, 평서형인지 아닌지를 구분하는 기술인데, 현재와 같이 반도체 및 정보 통신 기술이 급격하게 발달하는 환경을 고려할 때, 음성 DB를 기반으로 형태소 품사 시퀀스별 운율모델을 구축하고, 텍스트 문장과 입력음성의 운율 모델을 이용하여 형태소 품사 태깅의 모호성을 해소하도록 하는 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치를 추가 개발해야 할 필요성이 있다.
이에, 본 발명의 기술적 과제는 상술한 필요성에 의해 안출된 것으로서, 형태소 품사를 태깅하는 경우, 음성인식의 결과 또는 전사한 텍스트문장의 형태소를 해석하고, 해석이 모호한 부분에 대해 음성 DB를 기반으로 기 구축된 형태소 품사 시퀀스별 운율 모델과 입력음성의 운율 모델을 비교하여, 입력음성의 운율 모델에 대한 최적의 형태소 품사 시퀀스를 찾고, 그 찾은 결과를 형태소 품사 태깅 방법과 조합시켜 형태소 품사를 태깅하도록 하는 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치를 제공한다.
본 발명의 일 관점에 따른 운율 모델을 이용한 형태소 품사 태깅 방법은, 형태소 품사 시퀀스별 운율 모델을 기반으로 텍스트 문장에 대한 형태소를 해석하는 단계와, 형태소 해석 결과에 형태소 품사 시퀀스가 존재할 경우 음성에 대한 운율 모델을 검출하는 단계와, 음성에 대한 운율 모델과 데이터 저장 DB에 저장된 형태소 품사 시퀀스별 운율 모델간을 비교하여 음성에 대한 운율 모델의 형태소 품사 시퀀스를 결정하는 단계와, 결정된 형태소 품사 시퀀스 결과에 대해 형태소 품사 태깅 기법을 적용하고, 음성에 대한 운율 모델의 품사 시퀀스 정보를 합산하여 품사 태깅하는 단계를 포함하는 것을 특징으로 한다.
또한, 본 발명의 다른 관점에 따른 운율 모델을 이용한 형태소 품사 태깅 장치는, 형태소 품사 시퀀스별 운율 모델을 기반으로 텍스트 문장에 대한 형태소를 해석하는 형태소 해석부와, 형태소 해석 결과에 형태소 품사 시퀀스의 존재 여부에 따라 모호성 존재를 결정하는 모호성 판단부와, 모호성이 존재할 경우 음성에 대한 운율 모델을 검출하는 운율모델 검출부와, 음성에 대한 운율 모델과 형태소 품사 시퀀스별 운율 모델간을 비교하여 음성에 대한 운율 모델의 형태소 품사 시퀀스를 결정하는 운율 모델 비교 판단부와, 결정된 형태소 품사 시퀀스 결과에 대해 형태소 품사 태깅 기법을 적용하고, 음성에 대한 운율 모델의 품사 시퀀스 정보를 합산하여 품사 태깅하는 품사 태깅부와, 품사 태깅된 결과를 출력하는 품사태깅 결과 출력부를 포함하는 것을 특징으로 한다.
본 발명은 음성인식의 결과 또는 전사한 텍스트문장의 형태소를 해석하고, 해석이 모호한 부분에 대해 음성 DB를 기반으로 기 구축된 형태소 품사 시퀀스별 운율 모델과 입력음성의 운율 모델을 비교하여, 입력음성의 운율 모델에 대한 최적의 형태소 품사 시퀀스를 찾고, 그 찾은 결과를 형태소 품사 태깅 방법과 조합시켜 형태소 품사를 태깅함으로써, 형태소 품사 태깅의 정확도를 극대화시킬 수 있다.
또한, 본 발명은 운율 모델을 적용하여 형태소 품사를 태깅함으로써, 화자의 발성 의도를 파악할 수 있는 이점이 있다.
이하, 첨부된 도면을 참조하여 본 발명의 동작 원리를 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 2는 본 발명의 일 실시예에 따른 운율 모델을 이용한 형태소 품사 태깅 장치에 대한 블록 구성도로서, 텍스트 및 음성 입력부(201)와 형태소 해석부(203)와 모호성 판단부(205)와 운율 모델 검출부(207)와 운율 모델 비교 판단부(209)와 품사 태깅부(211)와 품사 태깅 결과 출력부(213)와 음성 DB(215)와 전사한 텍스트 DB(217)와 형태소 품사 태깅 DB(219)와 형태소 품사 시퀀스별 운율 모델 구축부(221)와 데이터 저장 DB(223)를 포함할 수 있다.
텍스트 및 음성 입력부(201)는 텍스트 및 음성을 입력받아 형태소 해석부(203)에 제공할 수 있다.
형태소 해석부(203)는 데이터 저장 DB(223)에 저장된 형태소 품사 시퀀스별 운율 모델을 기반으로 텍스트 및 음성 입력부(201)로부터 입력되는 텍스트 및 음성중 텍스트 문장에 대해 분석 가능한 모든 형태소들의 리스트를 생성하면서 해석하여 모호성 판단부(205)에 제공할 수 있다.
모호성 판단부(205)는 형태소 해석부(203)의 형태소 해석 결과에 대해 기 구축된 형태소 품사 시퀀스별 운율 모델에 존재하는 형태소 품사 시퀀스가 형태소 해석 결과에 존재하는지를 판단하고, 그 판단 결과를 운율 모델 검출부(207)에 제공할 수 있다.
운율 모델 검출부(207)는 모호성 판단부(205)로부터 입력되는 판단결과에서 모호성이 존재할 경우, 입력된 음성으로부터 형태소 품사 시퀀스별 운율 모델을 검출한 음성에 대한 운율 모델을 운율 모델 비교 판단부(209)에 제공할 수 있다.
운율 모델 비교 판단부(209)는 운율 모델 검출부(207)로부처 입력되는 음성에 대한 운율 모델과 데이터 저장 DB(223)에 저장된 형태소 품사 시퀀스별 운율 모델간을 비교하여 입력된 음성의 운율 모델에 대한 최적의 형태소 품사 시퀀스를 결정하여 품사 태깅부(211)에 제공할 수 있다.
품사 태깅부(211)는 운율 모델 비교 판단부(209)에 의해 결정된 최적의 형태소 품사 시퀀스 결과인 결합 가능한 형태소간의 리스트들에 대해 기존의 형태소 품사 태깅 기법을 적용하고, 입력된 음성의 운율 모델에 대한 최적의 품사 시퀀스 정보를 찾아 이를 더해줌으로서, 즉 수학식 1
(여기서, 는 통계 기반 품사 태깅에 주로 사용되는 기존 공식으로, 형태소 품사 태깅 방법은 은닉 마르코프 모델(HMM)을 사용하며, P는 최적의 형태소 품사열을 의미하고, Wi는 i번째 단어를 의미하며, Pi는 Wi의 태그를 의미하며, dj는 운율 모델을 의미하며, sj는 형태소 품사 시퀀스를 의미하며, Pd(dj│sj)는 형태소 품사 시퀀스에 대한 입력된 음성의 운율 모델과 기 구축된 형태소 품사 시퀀스별 운율 모델을 비교한 확률을 의미하며, C는 상수로 기존공식에 비교 결과를 어느 정도 적용할 것인지를 결정하는 것을 의미한다.)
을 이용하여 품사결정 태깅을 수행하여 품사 태깅 결과 출력부(213)에 제공할 수 있다.
품사 태깅 결과 출력부(213)는 품사 태깅부(211)로부터 입력되는 품사결정 태깅 결과를 출력할 수 있다.
음성 DB(215)는 음성을 저장하고, 전사한 텍스트 DB(217)는 음성 DB(215)에 저장된 음성을 전사한 텍스트를 저장하며, 형태소 품사 태깅 DB(219)는 전사한 텍스트 DB(217)에 저장된 전사한 텍스트에 대한 형태소 품사 태깅을 저장할 수 있다.
형태소 품사 시퀀스별 운율 모델 구축부(221)는 음성 DB(215)와 이를 전사한 텍스트 DB(217), 전사한 텍스트에 대한 형태소 품사 태깅 DB(219)를 읽어, 형태소 품사 태깅의 모호성이 발생하는 형태소 품사 시퀀스들을 찾는데, 즉 음성 DB(215)에서 형태소 품사 시퀀스들에 대한 음성구간을 찾고, 운율 정보를 수집하고, 수집된 운율 정보에서 형태소 품사 시퀀스들을 구분할 수 있는 하나 이상의 운율의 속성(예컨대, 피치와 음성의 길이와 끊어 읽기 정보와 음성의 강세와 에너지 중 어느 하나임.)들을 찾고, 이를 바탕으로 형태소 품사 시퀀스별로 각각 운율 모델을 구축하여 데이터 저장 DB(223)에 제공할 수 있다.
일 예로, 음성인식 결과가 “나는 새를 보았다”일 경우, 예1) 및 예2)
예1) 나/인칭대명사 는/조사 새/명사 를/조사 보/동사 았/어미 다/어미
예2) 나/동사 는/관형형어미 새/명사 를/조사 보/동사 았/어미 다/어미
에 대하여 형태소 품사 시퀀스별 운율 모델 구축 과정을 설명할 수 있다.
즉, 예1)과 예2)에 대해 모호성이 발생하는 형태소 품사 시퀀스인 “나/인칭대명사 는/조사”와 “나/동사 는/관형형어미”를 찾고, 모든 음성 DB(215)에서 두 가지 형태소 해석에 해당하는 음성구간을 찾고, 이에 대한 운율 정보를 수집하고, 이 수집된 운율 정보에서 “나는”의 해석 모호성을 구분할 수 있는 운율의 속성인 피치와 끊어 읽기 정보를 찾는다. 즉 “나/인칭대명사 는/조사”와 “나/동사 는/관형형어미”에 대해 각각 피치와 끊어 읽기 정보를 활용한 운율 모델을 구축할 수 있다.
데이터 저장 DB(223)는 형태소 품사 시퀀스별 운율 모델 구축부(221)로부터 입력되는 형태소 품사 시퀀스별 운율 모델을 저장할 수 있다.
따라서, 본 발명은 음성인식의 결과 또는 전사한 텍스트문장의 형태소를 해석하고, 해석이 모호한 부분에 대해 음성 DB를 기반으로 기 구축된 형태소 품사 시퀀스별 운율 모델과 입력음성의 운율 모델을 비교하여, 입력음성의 운율 모델에 대한 최적의 형태소 품사 시퀀스를 찾고, 그 찾은 결과를 형태소 품사 태깅 방법과 조합시켜 형태소 품사를 태깅함으로써, 형태소 품사 태깅의 정확도를 극대화시킬 수 있다.
다음에, 상술한 바와 같은 구성을 갖는 본 실시 예에서 운율 모델을 이용한 형태소 품사 태깅 과정에 대하여 설명한다.
도 3은 본 발명의 일 실시예에 따른 운율 모델을 이용한 형태소 품사 태깅 방법에 대하여 순차적으로 도시한 흐름도이다.
먼저, 음성 DB(215)에는 음성이 저장되어 있고, 전사한 텍스트 DB(217)에는 음성 DB(215)에 저장된 음성을 전사한 텍스트를 저장하며, 형태소 품사 태깅 DB(219)에서는 전사한 텍스트 DB(217)에 저장된 전사한 텍스트에 대한 형태소 품사 태깅을 저장할 수 있다.
상술한 바와 같이 저장된 상태에서, 형태소 품사 시퀀스별 운율 모델 구축부(221)에서는 음성 DB(215)와 이를 전사한 텍스트 DB(217), 전사한 텍스트에 대한 형태소 품사 태깅 DB(219)를 읽어, 형태소 품사 태깅의 모호성이 발생하는 형태소 품사 시퀀스들을 찾는데, 즉 음성 DB(215)에서 형태소 품사 시퀀스들에 대한 음성구간을 찾고, 운율 정보를 수집하고, 수집된 운율 정보에서 형태소 품사 시퀀스들을 구분할 수 있는 하나 이상의 운율의 속성(예컨대, 피치, 음성의 길이, 끊어 읽기 정보 등)들을 찾고, 이를 바탕으로 형태소 품사 시퀀스별로 각각 운율 모델을 구축하여 데이터 저장 DB(223)에 저장(S301)할 수 있다.
이러한 상태에서, 텍스트 및 음성이 입력(S303)될 경우, 텍스트 및 음성 입력부(201)에서는 외부로부터 텍스트 및 음성을 입력받아 형태소 해석부(203)에 제공할 수 있다.
그러면, 형태소 해석부(203)에서는 데이터 저장 DB(223)에 저장된 형태소 품사 시퀀스별 운율 모델을 기반으로 텍스트 및 음성 입력부(201)로부터 입력되는 텍스트 및 음성중 텍스트 문장에 대해 분석 가능한 모든 형태소들의 리스트를 생성하면서 해석(S305)하여 모호성 판단부(205)에 제공할 수 있다.
모호성 판단부(205)에서는 형태소 해석부(203)의 형태소 해석 결과에 대해 기 구축된 형태소 품사 시퀀스별 운율 모델에 존재하는 형태소 품사 시퀀스가 형태소 해석 결과에 존재하는지를 판단(S307)한다.
상기 판단(S307)결과, 형태소 해석 결과에 존재하지 않으면 모호성이 존재하지 않는 것으로 판단(S309)하고 이어서 단계 S317의 품사결정 태깅을 수행하는 반면에, 상기 판단(S307)결과, 형태소 해석 결과에 존재하면 모호성이 존재하는 것으로 판단(S311)하고, 그 판단 결과를 운율 모델 검출부(207)에 제공할 수 있다.
운율 모델 검출부(207)에서는 모호성 판단부(205)로부터 입력되는 판단결과 중 모호성이 존재할 경우, 입력된 음성으로부터 형태소 품사 시퀀스별 운율 모델을 검출(S313)하고, 이 검출된 음성에 대한 운율 모델을 운율 모델 비교 판단부(209)에 제공할 수 있다.
운율 모델 비교 판단부(209)에서는 운율 모델 검출부(207)로부처 입력되는 음성에 대한 운율 모델과 데이터 저장 DB(223)에 저장된 형태소 품사 시퀀스별 운율 모델간을 비교하여 입력된 음성의 운율 모델에 대한 최적의 형태소 품사 시퀀스를 결정(S315)하여 품사 태깅부(211)에 제공할 수 있다.
품사 태깅부(211)에서는 운율 모델 비교 판단부(209)에 의해 결정된 최적의 형태소 품사 시퀀스 결과인 결합 가능한 형태소간의 리스트들에 대해 기존의 형태소 품사 태깅 기법을 적용하고, 입력된 음성의 운율 모델에 대한 최적의 품사 시퀀스 정보를 찾아 이를 더해줄 수 있는 상술한 수학식 1을 이용하여 품사결정 태깅(S317)을 수행하여 품사 태깅 결과 출력부(213)를 통해 출력(S319)할 수 있다. 여기서, 운율 모델은, 어절에 따라 구하거나, 구나 절 단위까지 확장하여 구할 수 있다.
이상에서와 같이 본 발명은 운율 모델을 적용하여 형태소 품사를 태깅함으로써, 화자의 발성 의도를 파악할 수 있다.
한편, 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되지 않으며, 후술되는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
도 1은 음성파일을 나타낸 도면,
도 2는 본 발명의 일 실시예에 따른 운율 모델을 이용한 형태소 품사 태깅 장치에 대한 블록 구성도,
도 3은 본 발명의 일 실시예에 따른 운율 모델을 이용한 형태소 품사 태깅 방법에 대하여 순차적으로 도시한 흐름도.
<도면의 주요부분에 대한 부호의 설명>
201 : 텍스트 및 음성 입력부 203 : 형태소 해석부
205 : 모호성 판단부 207 : 운율 모델 검출부
209 : 운율 모델 비교 판단부 211 : 품사 태깅부
213 : 품사 태깅 결과 출력부 215 : 음성 DB
217 : 전사한 텍스트 DB 219 : 형태소 품사 태깅 DB
221 : 형태소 품사 시퀀스별 운율 모델 구축부
223 : 데이터 저장 DB
Claims (10)
- 형태소 품사 시퀀스별 운율 모델을 기반으로 텍스트 문장에 대한 형태소를 해석하는 단계와,상기 형태소 해석 결과에 형태소 품사 시퀀스가 존재할 경우 음성에 대한 운율 모델을 검출하는 단계와,상기 음성에 대한 운율 모델과 데이터 저장 DB에 저장된 형태소 품사 시퀀스별 운율 모델간을 비교하여 상기 음성에 대한 운율 모델의 형태소 품사 시퀀스를 결정하는 단계와,상기 결정된 형태소 품사 시퀀스 결과에 대해 형태소 품사 태깅 기법을 적용하고, 상기 음성에 대한 운율 모델의 품사 시퀀스 정보를 합산하여 품사 태깅하는 단계를 포함하는 운율 모델을 이용한 형태소 품사 태깅 방법.
- 제 1 항에 있어서,상기 형태소 품사 시퀀스별 운율 모델은,음성 DB와 이를 전사한 텍스트 DB, 전사한 텍스트에 대한 형태소 품사 태깅 DB를 읽어, 상기 음성 DB에서 형태소 품사 시퀀스들에 대한 음성구간을 찾고, 운율 정보를 수집하며, 상기 수집된 운율 정보에서 형태소 품사 시퀀스들을 구분할 수 있는 운율 속성을 찾아 구축하는 운율 모델을 이용한 형태소 품사 태깅 방법.
- 제 2 항에 있어서,상기 음성에 대한 운율 모델은, 어절에 따라 구하거나, 구나 절 단위까지 확장하여 구하는 운율 모델을 이용한 형태소 품사 태깅 방법.
- 제 2 항에 있어서,상기 운율 속성은, 피치와 음성의 길이와 끊어 읽기 정보와 음성의 강세와 에너지 중 어느 하나인 운율 모델을 이용한 형태소 품사 태깅 방법.
- 형태소 품사 시퀀스별 운율 모델을 기반으로 텍스트 문장에 대한 형태소를 해석하는 형태소 해석부와,상기 형태소 해석 결과에 형태소 품사 시퀀스의 존재 여부에 따라 모호성 존재를 결정하는 모호성 판단부와,상기 모호성이 존재할 경우 음성에 대한 운율 모델을 검출하는 운율모델 검출부와,상기 음성에 대한 운율 모델과 상기 형태소 품사 시퀀스별 운율 모델간을 비교하여 상기 음성에 대한 운율 모델의 형태소 품사 시퀀스를 결정하는 운율 모델 비교 판단부와,상기 결정된 형태소 품사 시퀀스 결과에 대해 형태소 품사 태깅 기법을 적용하고, 상기 음성에 대한 운율 모델의 품사 시퀀스 정보를 합산하여 품사 태깅하는 품사 태깅부와,상기 품사 태깅된 결과를 출력하는 품사태깅 결과 출력부를 포함하는 운율 모델을 이용한 형태소 품사 태깅 장치.
- 제 6 항에 있어서,상기 형태소 품사 시퀀스별 운율 모델은, 음성을 저장하는 음성 DB와 상기 음성을 기반으로 전사한 텍스트를 저장하는 전사한 텍스트 DB와 상기 전사한 텍스트를 기반으로 형태소 품사 태깅을 저장하는 형태소 품사 태깅 DB를 이용하여 구축하는 운율 모델을 이용한 형태소 품사 태깅 장치.
- 제 7 항에 있어서,상기 품사 태깅부의 음성에 대한 운율 모델은, 어절에 따라 구하거나, 구나 절 단위까지 확장하여 구하는 운율 모델을 이용한 형태소 품사 태깅 장치.
- 제 6 항에 있어서,상기 형태소 품사 시퀀스별 운율 모델은, 데이터 저장 DB에 저장하는 운율 모델을 이용한 형태소 품사 태깅 장치.
- 제 6 항에 있어서,상기 형태소 품사 태깅 장치는,음성 DB와 이를 전사한 텍스트 DB, 전사한 텍스트에 대한 형태소 품사 태깅 DB를 읽어, 상기 음성 DB에서 형태소 품사 시퀀스들에 대한 음성구간을 찾고, 운율 정보를 수집하며, 상기 수집된 운율 정보에서 형태소 품사 시퀀스들을 구분할 수 있는 운율 속성을 찾아 구축하는 형태소 품사 시퀀스별 운율 모델 구축부를 더 포함하는 운율 모델을 이용한 형태소 품사 태깅 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080127710A KR101025814B1 (ko) | 2008-12-16 | 2008-12-16 | 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080127710A KR101025814B1 (ko) | 2008-12-16 | 2008-12-16 | 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20100069120A true KR20100069120A (ko) | 2010-06-24 |
KR101025814B1 KR101025814B1 (ko) | 2011-04-04 |
Family
ID=42367274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080127710A KR101025814B1 (ko) | 2008-12-16 | 2008-12-16 | 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101025814B1 (ko) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101373053B1 (ko) * | 2010-07-06 | 2014-03-11 | 한국전자통신연구원 | 문장 번역 장치 및 그 방법 |
CN104346382A (zh) * | 2013-07-31 | 2015-02-11 | 香港理工大学 | 使用语言查询的文本分析***和方法 |
CN104965820A (zh) * | 2015-07-17 | 2015-10-07 | 苏州大学张家港工业技术研究院 | 一种基于异构数据库的耦合词性标注方法 |
KR20160062254A (ko) | 2014-11-24 | 2016-06-02 | 에스케이텔레콤 주식회사 | 음성 인식 오류에 강인한 의미 추론 방법 및 이를 위한 장치 |
KR20160080915A (ko) * | 2014-12-29 | 2016-07-08 | 삼성전자주식회사 | 음성 인식 방법 및 음성 인식 장치 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095204B (zh) * | 2014-04-17 | 2018-12-14 | 阿里巴巴集团控股有限公司 | 同义词的获取方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040015471A (ko) * | 2002-08-13 | 2004-02-19 | 에스엘투(주) | 이메일을 핸드폰 음성 메시지로 변환 전송하는 시스템 및방법 |
KR20040055288A (ko) * | 2002-12-20 | 2004-06-26 | 한국전자통신연구원 | 한국어 음성합성기의 운율모듈을 위한 어절의 태깅 방법 |
KR100764174B1 (ko) | 2006-03-03 | 2007-10-08 | 삼성전자주식회사 | 음성 대화 서비스 장치 및 방법 |
-
2008
- 2008-12-16 KR KR1020080127710A patent/KR101025814B1/ko active IP Right Grant
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101373053B1 (ko) * | 2010-07-06 | 2014-03-11 | 한국전자통신연구원 | 문장 번역 장치 및 그 방법 |
CN104346382A (zh) * | 2013-07-31 | 2015-02-11 | 香港理工大学 | 使用语言查询的文本分析***和方法 |
KR20160062254A (ko) | 2014-11-24 | 2016-06-02 | 에스케이텔레콤 주식회사 | 음성 인식 오류에 강인한 의미 추론 방법 및 이를 위한 장치 |
KR20160080915A (ko) * | 2014-12-29 | 2016-07-08 | 삼성전자주식회사 | 음성 인식 방법 및 음성 인식 장치 |
CN104965820A (zh) * | 2015-07-17 | 2015-10-07 | 苏州大学张家港工业技术研究院 | 一种基于异构数据库的耦合词性标注方法 |
Also Published As
Publication number | Publication date |
---|---|
KR101025814B1 (ko) | 2011-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reshamwala et al. | Review on natural language processing | |
US9330661B2 (en) | Accuracy improvement of spoken queries transcription using co-occurrence information | |
US8566076B2 (en) | System and method for applying bridging models for robust and efficient speech to speech translation | |
KR101253104B1 (ko) | 패턴 데이터베이스화 장치 및 그 방법, 이를 이용한 음성 이해 장치 및 그 방법 | |
KR101025814B1 (ko) | 운율 모델을 이용한 형태소 품사 태깅 방법 및 그 장치 | |
Ananthakrishnan et al. | An automatic prosody recognizer using a coupled multi-stream acoustic model and a syntactic-prosodic language model | |
Hakkinen et al. | N-gram and decision tree based language identification for written words | |
Prochazka et al. | Performance of Czech Speech Recognition with Language Models Created from Public Resources. | |
Chien | Association pattern language modeling | |
KR101134455B1 (ko) | 음성 인식 장치 및 그 방법 | |
KR101250900B1 (ko) | 문서정보 학습기반 통계적 hmm 품사 태깅 장치 및 그 방법 | |
KR101757222B1 (ko) | 한글 문장에 대한 의역 문장 생성 방법 | |
Godard | Unsupervised word discovery for computational language documentation | |
KR101069534B1 (ko) | 미등록어를 포함한 환경에서 오디오 및 비디오의 음성 데이터 검색 방법 및 장치 | |
Liu et al. | A maximum entropy based hierarchical model for automatic prosodic boundary labeling in mandarin | |
KR20040018008A (ko) | 품사 태깅 장치 및 태깅 방법 | |
Win et al. | Review and perspectives of natural language processing for speech recognition | |
KR101072890B1 (ko) | 데이터베이스 정제 장치 및 그 방법, 이를 이용한 음성 이해 장치 및 그 방법 | |
Tao | Acoustic and linguistic information based Chinese prosodic boundary labelling | |
JP2001117583A (ja) | 音声認識装置および音声認識方法、並びに記録媒体 | |
JP2005345846A (ja) | 入力テキストのポーズ位置予測装置 | |
Watanabe et al. | Xinjian Li Carnegie Mellon University | |
KR100959494B1 (ko) | 미등록어 합성 기능을 이용한 음성합성기 및 그 방법 | |
Li | Low-Resource Speech Recognition for Thousands of Languages | |
Kang et al. | Prosodic words prediction from lexicon words with CRF and TBL joint method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130730 Year of fee payment: 18 |