[4Yin2] インタラクティブセッション2

[4Yin2-55] ユーザ発話とEntityの音声類似度を考慮したEntity Linking手法の検討

〇邊土名 朝飛¹、戸田 隆道¹、友松 祐太¹、杉山 雅和¹、東 佑樹¹、下山 翔¹ (1.株式会社AI Shift)

キーワード：音声対話システム、エンティティ・リンキング、音声認識

本研究では，タスク指向型音声対話システムにおけるEntity Linkingの性能を向上させることを目的として，音声特徴に基づいた類似度計算手法の比較検証を行う．Entity Linkingは，ユーザ発話と知識ベース上の各Entityとの間で類似度を計算し，ユーザ発話と最も類似するEntityを紐付けることで実現する．音声特徴を考慮してEntity Linkingを行うことで，音声認識誤りに頑健になることが期待できる．評価実験では，Automatic Speech Recognition（ASR）認識結果を使用する音素列ベースの手法（編集距離，セミグローバルアラインメント）と，ASRを使用しない，すなわち音声データを直接利用する手法（メルスペクトログラム，wav2vec 2.0）を類似度計算手法として使用し，性能の比較を行った．自社で運用している自動音声対話サービスの対話ログデータを使用して実験した結果，音素列を用いる手法の方がフィラーや無音区間の影響を受けにくく，音声データを直接利用する手法と比べて高いEntity Linking性能を示した．