HS Transkription in Sprachsynthese und - erkennung

Analogiebildung II

Yavuz Tüzün

Rückblick

• Systeme mit Trainingsdaten füttern• Ergebnisse müssen kontrolliert werden

– ggf. durch back propagation verbessern• IL-Systeme (inductive learning) bilden

Buchstaben(-folgen) auf Phoneme ab• PbA (Pronunciation by Analogy, s. AB I)

vergleicht Zeichenketten auf orthographische Ähnlichkeit und verwendet die durch vorheriges Alignment den Ketten zugewiesenen Lautfolgen. Die Verkettung der Lautfolgen ergibt die Transkription.

Rückblick

• Liefern gute Ergebnisse für sprachspezifische Wörter

Pronunciation by Latent Analogy

• Weiterentwicklung von PbA• Kein vorheriges Alignment• Alignment nur zwischen Transkriptionen ganzer

Wörter• Die Wörter sind auf Grund orthographischer

Ähnlichkeit zum Eingabewort ausgewählt• Metrik aus der Analysis (Latent Semantic

Analysis) dient als Instrument– bestimmt charakteristische Buchstabenstrings der

Wörter– stellt ein Mass der Eindeutigkeit bestimmter

Buchstabenketten zur Bestimmung von Wörtern dar

Pronunciation by Latent Analogy

• Ergebnis ist Menge von orthographischen Ankern, für jedes „In-Vocabulary“ (IV) -Wort ein Anker

Orthographische Nachbarn

• sei Menge der IV-Wörter, || = M• sei Menge der Substrings mit Länge n, || = N• '-' steht für Wortanfang und -ende, gilt als

Buchstabe mit Länge 1

(N x M) Matrix WN Zeilen, i-te Zeile für i-ten Substring ti

M Spalten, j-te Spalte für j-tes

Word vj

Orthographische Nachbarn

• wij sagt aus zu welchem Mass Substring ti aus im Wort vi aus vorkommt

• SWZ von W: W = USVT

• U links singuläre Matrix, Reihenvektor ui

• V rechts singuläre Matrix, Reihenvektor vj

• Typische Grössen: R = 50 – 100, N = 10000,M = 10000 – 100000, n = 3

(N x M) W (N x R) U

(R x R) S (R x M) VT

Beispiel Orthographische Nachbarn

• Vokabular: „rough“, „though“, „through“• Substrings mit der Länge n = 3 bilden:

-ro rou oug ugh gh- -th tho hou thr hrorough

(10 x 3) W

though through-rorouougughgh--ththo

thrhou

hro

11

1

1

0

1

00

00

00

1

1

1

1

11

00

10

1

1

1

1

01

11

Beispiel Orthographische Nachbarn

• SWZ (engl.: Singular Value Decomposition) mit R = 2

•

W U

S VT

10 10

3 3

2

2

ii i iu=u S, v =v S

Beispiel Orthographische Nachbarn

• OOV-Wort: „thorough“• Berchnung Vektor

~

pw

-rorouougughgh--ththo

thrhou

hro

thorough

10

1

1

1

1

01

00

(10 x 1) pw

Beispiel Orthographische Nachbarn

• SWZ von , so dass U und S gleich bleiben:

•

pw

Tp pw =USv

U

S

10 10

1 1

2

2

Tpv

T

p p pv =v S=w U

pw

Beispiel Orthographische Nachbarn

• Abstände des OOV-Wortes zu allen IV-Wörtern mit Cosinusfunktion berechen:

• IV-Wörter umgekehrt in absteigender Entfernung sortieren

• IV-Wörter innerhalb eines vorher bestimmten Radius bilden orthographische Nachbarschaft zu Eingabewort

2 Tp j

p j p jp j

v S v

v S v SK(v ,v )=cos(v S,vS)=

Beispiel Orthographische Nachbarn

-0,

6

-0,

4

-0

,2

0

,0

0

,2

0,0 0,2 0,4 0,6 0,8 1,0

ougugh

gh--th

tho

hou

routhr

hro

-ro

though

thorough

throughrough

Alignment

• Alignment von kompletten Aussprachen aus der orthographischen Nachbarschaft

• Alignment startet mit jenem Phonemsequenz, welches am nächsten zu einem Substring mit Begrenzung für Wortanfang liegt.

• Substring mit Begrenzung für Wortanfang ist der nächstgelegene am OOV-Wort

• Im Beispiel: -th through

Alignment

• Modifizierter komplizierter Algorithmus aus Bioinformatik– Findet Gruppe von Proteinen innerhalb einer

Proteinkette– Identifikation von Genen in der DNA

• Seien φ1...φk...φK und ψ1...ψl...ψL Phonemstrings

• A(k,l) sind minimalen Kosten vom Alignment zwischen φ1...φk und ψ1...ψl

• C(k,l) sind Kosten für das Austauschen der Phoneme φk und ψl

Alignment

• g(i,k) bzw. h(j,l) sind Kosten für Lücke φi...φk im ersten bzw. ψj...ψl im zweiten String

• Rekursionsformel:

• A(k,0) = h(0,k), 1≤k≤K, und A(0,l) = g(0,l), 1≤l≤L

0 -1

0 -1

( , ) min{ ( -1, -1) ( , ), ( , ), ( , )}

( , ) min{ ( , ) ( , )}( , ) min{ ( , ) ( , )}

i k

j l

A k l A k l C k l G k l H k l

G k l A i l g i kH k l A k j h j l

mit

Alignment

• Kosten für Austauschen gleicher Phoneme gleich 0

• Vokal-Konsonant-Austausch wird durch unendliche Kosten verboten

• Konsonant-Konsonant- bzw. Vokal-Vokal-Austausch genauso teuer wie Austausch einer Lücke

• Phonem, das am häufigsten an einer Stelle auftaucht wird in die Transkription übernommen

Beispiel-Alignment

T r u: through

r V f rough

D oU though

d oU dough

T 3` d third

r O t wrought

T 3` r oU thorough

Vergleich

• Um zu zeigen, wie gute Ergebnisse PbLA liefert, wird es mit einem Entscheidungsbaumsystem verglichen

• Entscheidungsbaum hat 2000 Knoten• Trainingskorpus besteht aus 56514 überwiegend

westeuropäische Namen• Testvokabular: 500 Namen aus 84193 grossem

Namenslexikon versch. ethnischer Gruppen• Ergebnis: 23,3% Phonemfehlerrate, 80,2%

Wortfehlerrate

Vergleich

• PbLA: M = 56514 und N = 8257 bei n = 3• SWZ auf (8257 x 56514) Matrix W mit R = 100• Schwelle wurde so gewählt, dass

durchschnittlich 200 orthographische Nachbarn für OOV-Worte gefunden wurden

• Bessere Ergebnisse: 13,4% Phonemfehlerrate, 38,0% Wortfehlerrate

Vergleich

• PbLA liefert bessere Ergebnisse• Erfordert (fast) keine linguistische

Vorkenntnisse, ausser Wissen über Vokale und Konsonanten, s. Kostenfunktion

• Keine Beaufsichtigung, weil kein Training nötig

Fragen?

Ende!