Автор: Лучинкина О.И., Карпов О.Н.
Источник: Международная научно-техническая конференция "АВИА-2011", Днепропетровский государственный университет имени Олеся Гончара г. Днепропетровск. Материалы конференции.
http://avia.nau.edu.ua/doc/2011/4/4_8.pdf
Лучинкина О.И., Карпов О.Н. Моделирование лингвистических уровней системы распознавания слитной речи. В статье в тезисах предложена модель построения системы распознавания слитной речи, как системы искусственного интеллекта. Приведены принципы построения фреймов, описывающих отдельные этапы системы.
На сегодняшний день существует множество систем распознавания речи. Большинство из них направлены на распознавание изолированных слов. Согласно опубликованным на се-годняшний день данным, надежность распознавания речи для систем, которые работают с однословными командами, достигает 99.5, командами, которые состоят из двух слов, - 97.5, из трех слов - 92.5, из четырех слов - 91.9. Но при проектировании системы распознавания слитной речи перед разработчиками появляется проблема распознавания не только языкового сигнала, но и лингвистического содержания.
Системы распознавания речи можно классифицировать по таким признакам [2,3]:
Каждая такая система характеризуется своими методами и алгоритмами.
Как правило, работа системы распознавания речи делится на два вида:
Первый подход допускает распознавание фрагментов языка по заранее записанному образцу. Этот подход широко используется в относительно простых системах, предназначенных для выполнения заранее записанных команд, например, системы голосового управления транспортом.
Второй подход сложнее. При его реализации из потока речи выделяются отдельные лексические элементы - фонемы и алофоны, которые потом объединяются в составы и морфемы. Строго говоря, именно этот подход и используется в "настоящих" системах распознавания речи. При создании системы распознавания слитной речи важно не просто разработать механизм, позволяющий математически описать звуковой сигнал. Разработка подобной системы включает лингвистический аппарат, позволяющий анализировать распознанные данные и формировать выводы на основе языковых правил.
Рассмотрим один из возможных подходов к разработке системы распознавания слитной речи, учитывающей особенности языка и произношения.
На начальных уровнях анализа перед нами стоит задача разбиения высказывания на элементы первичного анализа. В качестве элемента первичного анализа будем брать фонемы. Как фонетического алфавита будем использовать набор из 48 фонем: 12 - для гласных звуков (учитывая, что каждая гласная может быть ударной и безударной) и 36 - для согласных (учитывая, что каждая согласная может быть твердой и мягкой).
Таким образом, получаем алфавит фонем:
Одним из важнейших узлов системы является транскриптор.
Фонетическая транскрипция [1,4] - это особенный вид записи речи, который используется для фиксации на листе особенностей ее звучания. Она предназначена для описания произношения слов. Текст на естественном языке представляет собой упорядоченный поток символов. Символы обрабатываются последовательно, друг за другом, в порядке их расположения в тексте. Обратный транскриптор - это механизм, позволяющий преобразовывать произносимое слово в его запись.
При создании фонетического транскриптора необходимо принимать во внимание логику транскрипции. Проблема заключается в том, что невозможно поставить в соответствие каждой букве ее конкретный звук. Так, например, транскрипция слова "еж" - []ош],а слова "кожа" - [кожа].
Звук буквы меняет свое значение в зависимости от расположения в слове, ударению, порядку следования, свойств букв. Таким образом, транскриптор строится на основе правил, определенных конкретным языком.
Так как перед нами стоит задача анализа слитной речи, а не просто анализа отдельных слов, возникает очередная проблема. Зачастую, при быстром произнесении фразы, некоторые фонемы на границах слов «теряются». Таким образом, кроме правил транскрипции изолированных слов необходимо учитывать и правила, описывающие транскрибирование на границах слов.
Писать программный продукт, который будет проводить десятки однотипных проверок для каждой буквы при транскрибировании, не является целесообразным. Поэтому проанализировав современные методы решения подобных проблем можно прийти к заключению, что целесообразно строить такую систему как систему искусственного интеллекта, анализирующую набор правил на основе некоторых заранее заданных методов.
Цель проектирования экспертных систем [5] заключается в разработке программных продуктов, которые могут решать задачи, которые являются тяжелыми для решения экспертами в связи с необходимостью обработки большого количества данных, или применения большого количества правил. С помощью экспертных систем мы получаем результаты, которые не уступают по качеству и эффективности решениям, до которых могут дойти эксперты.
В большинстве случаев экспертные системы решают задачи, которые трудно формализовать, или задачи, которые не имеют алгоритмического решения.
При разработке транскриптора целесообразно использовать статичную экспертную систему с четко заданными правилами и загодя известными элементами. Для того чтобы решить какие именно правила нужно использовать для транскрибирования нужно:
В целом уровень дальнейший синтез предложения можно охарактеризовать следующей схемой, представленной на рис. 1.
Первоочередной задачей при синтезе слов являете объединение фонем в последовательность морфем. Будем рассматривать следующие типы морфем: приставка, корень, интерфикс, суффикс, окончание, целое слово.
После распознавания фонем и подбора наиболее вероятных цепочек морфем получившийся набор гипотез далее используется для формирования цепочек слов. На основе каждой поступившей гипотезы фразы, представленной в виде последовательности морфем, формируется еще несколько гипотез, представленных уже последовательностью гипотез слов.
Одной из основных проблем распознавания слитной речи является особенность интерференции звуков на стыках слов. Таким образом, при разработке алгоритмов распознавания слитной речи необходимо учитывать не только правилам транскрибирования слов, но и уделить особенное внимание ряду правил, описывающих межсловные фонетические явления. Эти правила можно классифицировать следующим образом [6,7]:
а) между одинаковыми согласными (мясо сырое /м'а!са сыро!йе/ ^ /м'а!с сыро!йе/)
б) после одной из парных по глухости-звонкости согласных и перед соответствующей парной согласной (степи большие /с'т'е!пи бал'шы!йе/ ^ /с'т'е!п' бал'шы!йе/).
Следует обратить внимание на тот факт, что фонема связана со словом. Она вычисляется в словоформе не в морфеме, а в словоформе. Поэтому определение стыков слов является важнейшим фактором, обусловливающим сегментацию речевого потока на фонемы.
Интересно проследить эволюцию русского алфавита, из которого в конечном итоге были удалены некоторые неиспользуемые буквы. Например буквы ? (кси), ? (пси) обозначали по два звука, кс и пс.
Изучение старославянского алфавита с его сочетаниями звуков (например, пси и кси) подтолкнуло к созданию дополнительного уровня обработки фонем - добавление правил, соответствующих некоторым исключенным из алфавита букв.
Последним этапом обработки является синтез фразы.
В ходе построения подобной системы на этапе генерации фразы мы можем встретить несколько типов ошибок, наиболее распространенные из которых:
Таким образом построение лингвистического аппарата системы распознавания речи сводится к построению фреймов, представляющих собой последовательность уровней обработки сигнала. Каждый из них характеризуется исключительно своими правилами, и законами из разных отраслей наук - акустика, лингвистика, физики, математика и других. При построении системы распознавания речи как фреймовой модели, каждый из этих уровней будет представлять собой отдельный фрейм, решающий свои задачи независимо от других.
Кроме того, система распознавания слитной речи требует большого словаря и текстовой базы для обучения. Поэтому одним из важных уровней работы системы является ее обучение. Отдельным этапом обучения системы является прямой транскриптор.
Система распознавания слитной речи является многоуровневой сложной системой. Ее построение требует тщательного анализа правил и методов, которые используются на каждом из ее уровней. Каждый из уровней использует свои методы, алгоритмы, входные данные. Сложность системы, большое количество данных, которые необходимо обработать, и необходимость принятия экспертного решения обуславливает выбор метода ее построения как экспертной системы, каждый узел которой является фреймом, который характеризуется своими правилами, методами, алгоритмами и данными.