음성 인식을 위한 hidden markov model parameter training에 관한 연구

Abstract

본 연구에서는 HMM을 이용한 음성 인식에 있어서 중요한, parameter training 방법을 일반화 하고, 그에 의해서 효과적인, 3 가지의 training algorithm을 제안하였다. 3 가지의 training algorithm은 UE, MMMIE 와 CE로, MLE와 성능 비교를 하였다. Training 방법의 일반화에 의하여 알려진 사실은, 하나의 training algorithm이 weighting의 방법과 domain의 결합으로 나타난다는 것이다. 여기서 weighting이라 함은, training 시에 각 training data로 부터 얻어진 정보에 가중치를 주는 것을 말한다. 제안된 training algorithm은 인식률을 올리려는 목적 외에, 각 음성 data가 지니는 특정한 확률 특성을 향상 시키려는 목적이 있다. UE는 하나의 음성 집합에 속하는 음성 data가 지니는 확률값의 평균치를 감소 시키려는 목적이 있으며, MMMIE는 각 음성 data와 그에 대한 model 사이의 mutual information을 증가 시키려는 목적이 있다. CE는 이미 널리 알려진 CT와 거의 같으나, 각 음성 집합의 중요도를 training 시에 반영 할 수 있다. 각 algorithm의 성능 비교 실험은 마찰음 군에 속하는 음소들을 이용한 음소 인식으로 수행하였다. 실험 시에 인식률 뿐만 아니라, 각 음소의 확률 특성을 구하여 이를 MLE의 경우와 비교 하였다. 실험 결과로, 제안된 algorithm들이 목적 하던 성능의 향상을 가져오는 것을 확인 하였고, MLE와 비교해서, 인식률이나 다른 확률 특성이 향상됨을 알 수 있었다.