特許ウォッチ

公開番号2025119587
公報種別公開特許公報(A)
公開日2025-08-14
出願番号2025009529
出願日2025-01-23
発明の名称テキスト誤り訂正方法、テキスト誤り訂正装置及びコンピュータプログラム製品、トレーニング方法及びASR方法
出願人株式会社NTTドコモ
代理人インフォート弁理士法人
主分類G06F 40/232 20200101AFI20250806BHJP(計算;計数)
要約【課題】テキストに対して誤り訂正する場合の誤りを訂正すればするほど誤りが増える状況を回避し、テキストの誤り訂正の効果を向上させる。
【解決手段】テキスト誤り訂正方法は、第1のニューラルネットワークモデルが、処理対象テキストに基づいて、処理対象テキストの誤り訂正テキストと、誤り訂正テキストが処理対象テキストに対して改善されたか否かを指示する誤り訂正ラベルとを生成するステップと、誤り訂正ラベルに基づいて、誤り訂正テキスト又は処理対象テキストを訂正の結果として選択して出力するステップと、を含む。
【選択図】図2

特許請求の範囲【請求項１】
第１のニューラルネットワークモデルが、処理対象テキストに基づいて、前記処理対象テキストの誤り訂正テキストと、前記誤り訂正テキストが前記処理対象テキストに対して改善されたか否かを指示する誤り訂正ラベルとを生成するステップと、
前記誤り訂正ラベルに基づいて、前記誤り訂正テキスト又は前記処理対象テキストを訂正の結果として選択して出力するステップと、を含むテキスト誤り訂正方法。
続きを表示（約 2,400 文字）【請求項２】
前記第１のニューラルネットワークモデルは、
第２のニューラルネットワークモデルが、１グループの所定基準テキストに対応する１グループの所定入力テキストに基づいて、１グループの出力誤り訂正テキストを取得し、
前記１グループの出力誤り訂正テキストと、前記１グループの所定入力テキストと、前記１グループの所定基準テキストとに基づいて、前記１グループの出力誤り訂正テキストのうちの各出力誤り訂正テキストのトレーニング誤り訂正ラベルを算出して、１グループのトレーニング誤り訂正ラベルを取得し、
前記１グループの所定入力テキストを前記第１のニューラルネットワークモデルの入力とし、前記１グループの所定基準テキスト又は前記１グループの出力誤り訂正テキストと、前記１グループのトレーニング誤り訂正ラベルとを前記第１のニューラルネットワークモデルの出力とする、
ようにトレーニングされる、請求項１に記載のテキスト誤り訂正方法。
【請求項３】
前記１グループの出力誤り訂正テキストと、前記１グループの所定入力テキストと、前記１グループの所定基準テキストとに基づいて、前記１グループの出力誤り訂正テキストのうち各出力誤り訂正テキストのトレーニング誤り訂正ラベルを算出して、１グループのトレーニング誤り訂正ラベルを取得することは、
前記１グループの所定入力テキストのうちの第１の所定入力テキストと、第１の所定入力テキストに対応する第１の出力誤り訂正テキストと、第１の所定基準テキストとを取得するステップと、
前記第１の所定入力テキストと前記第１の所定基準テキストとの間の第１の文字誤り率（ＣＥＲ）、及び前記第１の出力誤り訂正テキストと前記第１の所定基準テキストとの間の第２のＣＥＲを算出するステップと、
前記第１のＣＥＲと前記第２のＣＥＲとを比較して、前記第１の出力誤り訂正テキストに対応する第１のトレーニング誤り訂正ラベルを取得するステップと、を含む請求項２に記載のテキスト誤り訂正方法。
【請求項４】
前記第１のＣＥＲと前記第２のＣＥＲとを比較して、前記第１の出力誤り訂正テキストに対応する前記第１のトレーニング誤り訂正ラベルを取得するステップは、
前記第１のＣＥＲが前記第２のＣＥＲより大きいことに応じて、前記第１のトレーニング誤り訂正ラベルが、前記第１の出力誤り訂正テキストは前記第１の所定入力テキストに対して改善されたことを指示するように設定されるステップと、
前記第１のＣＥＲが前記第２のＣＥＲ以下になることに応じて、前記第１のトレーニング誤り訂正ラベルが、前記第１の出力誤り訂正テキストは前記第１の所定入力テキストに対して改善されていないことを指示するように設定されるステップと、を含む請求項３に記載のテキスト誤り訂正方法。
【請求項５】
前記第１のニューラルネットワークモデルと、前記第２のニューラルネットワークモデルとは、同じニューラルネットワークで実装される、請求項２から４のいずれか一項に記載のテキスト誤り訂正方法。
【請求項６】
前記第１のニューラルネットワークモデルは、自己回帰モデルを含む、請求項１から４のいずれか一項に記載のテキスト誤り訂正方法。
【請求項７】
ＡＳＲモデルが、音声を処理対象テキストに変換するステップと、
第１のニューラルネットワークモデルが、処理対象テキストに基づいて、前記処理対象テキストの誤り訂正テキストと、前記誤り訂正テキストが前記処理対象テキストに対して改善されたか否かを指示する誤り訂正ラベルとを生成するステップと、
前記誤り訂正ラベルに基づいて、前記誤り訂正テキスト又は前記処理対象テキストをＡＳＲの結果として選択して出力するステップと、を含む自動音声認識ＡＳＲに用いる方法。
【請求項８】
テキストの誤りを訂正する第１のニューラルネットワークモデルのトレーニング方法であって、
前記第１のニューラルネットワークモデルは、
第２のニューラルネットワークモデルが、１グループの所定基準テキストに対応する１グループの所定入力テキストに基づいて、１グループの出力誤り訂正テキストを取得し、
前記１グループの出力誤り訂正テキストと、前記１グループの所定入力テキストと、前記１グループの所定基準テキストとに基づいて、前記１グループの出力誤り訂正テキストのうちの各出力誤り訂正テキストのトレーニング誤り訂正ラベルを算出して、１グループのトレーニング誤り訂正ラベルを取得し、
前記１グループの所定入力テキストを前記第１のニューラルネットワークモデルの入力とし、前記１グループの所定基準テキスト又は前記１グループの出力誤り訂正テキストと、前記１グループのトレーニング誤り訂正ラベルとを前記第１のニューラルネットワークモデルの出力とする、
ようにトレーニングされる、トレーニング方法。
【請求項９】
プロセッサと、
一つ又は複数のコンピュータプログラムが記憶されたメモリと、を含み、
前記一つ又は複数のコンピュータプログラムが前記プロセッサによって実行される場合、請求項１から６のいずれか一項に記載のテキスト誤り訂正方法が前記プロセッサにより実行される、テキスト誤り訂正装置。
【請求項１０】
コンピュータプログラムを含むコンピュータプログラム製品であって、
前記コンピュータプログラムがプロセッサによって実行される場合、請求項１から６のいずれか一項に記載の方法が実行される、コンピュータプログラム製品。

発明の詳細な説明【技術分野】
【０００１】
本発明は、テキスト処理に関し、より具体的には、テキスト誤り訂正方法、テキスト誤り訂正装置、コンピュータプログラム製品、非一時的なコンピュータ読み取り可能な記録媒体、当該テキストの誤り訂正の方法を利用する自動音声認識（ＡＳＲ：ＡｕｔｏｍａｔｉｃＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎ）のための方法、及びテキスト誤り訂正に用いるニューラルネットワークモデルをトレーニングする方法に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
かつては、文法上の誤りやスペルミスなど、テキストから誤りを見つけて訂正するために、多くの時間と労力を費やす必要があった。人工知能技術の発展により、大量の言語データを学習することで、自動的にテキスト中の誤りを特定し、訂正することができるテキスト誤り訂正ツールが登場した。
【０００３】
データ処理技術の進歩やモバイルインターネットの急速な普及に伴い、膨大な量のデータが生成されている。ＡＳＲ技術は、人工知能と音声信号処理技術に基づく自動音声認識技術の一種であり、人間の音声をテキストに変換するために用いられる。自動音声認識技術は、携帯電話の音声からテキスト変換機能、動画サイトの字幕自動生成など、生活に密着した多くのサービスを支えている。
【発明の概要】
【０００４】
本開示は、テキスト誤り訂正方法、テキスト誤り訂正装置、コンピュータプログラム製品、非一時的なコンピュータ読み取り可能な記憶媒体、及び自動音声認識のための方法に関する。誤り訂正テキストが処理対象テキストに対して改善されたか否かが指示され、誤り訂正テキスト又は処理対象テキストが、訂正の結果として選択されて出力されることができ、それにより、誤りを訂正すればするほど誤りが増える状況が回避される。また、テキスト誤り訂正に用いるニューラルネットワークモデルをトレーニングする方法が提案され、当該ニューラルネットワークモデルは、誤り訂正テキストと、誤り訂正テキストが処理対象テキストに対して改善されたか否かに対する指示と、を生成することができる。
【０００５】
本開示の一態様によれば、テキスト誤り訂正方法が提供される。当該方法は、第１のニューラルネットワークモデルが、処理対象テキストに基づいて、処理対象テキストの誤り訂正テキストと、誤り訂正テキストが処理対象テキストに対して改善されたか否かを指示する誤り訂正ラベルとを生成するステップと、誤り訂正ラベルに基づいて、誤り訂正テキスト又は処理対象テキストを訂正の結果として選択して出力するステップと、を含む。
【０００６】
本開示の一実施例によれば、第１のニューラルネットワークモデルは、第２のニューラルネットワークモデルが、１グループの所定基準テキストに対応する１グループの所定入力テキストに基づいて、１グループの出力誤り訂正テキストを取得し、１グループの出力誤り訂正テキストと、１グループの所定入力テキストと、１グループの所定基準テキストとに基づいて、１グループの出力誤り訂正テキストのうちの各出力誤り訂正テキストのトレーニング誤り訂正ラベルを算出して、１グループのトレーニング誤り訂正ラベルが取得し、１グループの所定入力テキストを第１のニューラルネットワークモデルの入力とし、１グループの所定基準テキスト又は１グループの出力誤り訂正テキストと、１グループのトレーニング誤り訂正ラベルとを第１のニューラルネットワークモデルの出力とする、ようにトレーニングされる。
【０００７】
本開示の一実施例によれば、１グループの出力誤り訂正テキストと、１グループの所定入力テキストと、１グループの所定基準テキストとに基づいて、１グループの出力誤り訂正テキストのうち各出力誤り訂正テキストのトレーニング誤り訂正ラベルを算出して、１グループのトレーニング誤り訂正ラベルを取得することは、１グループの所定入力テキストのうちの第１の所定入力テキストと、第１の所定入力テキストに対応する第１の出力誤り訂正テキストと、第１の所定基準テキストとを取得するステップと、第１の所定入力テキストと第１の所定基準テキストとの間の第１の文字誤り率（ＣＥＲ）、及び第１の出力誤り訂正テキストと第１の所定基準テキストとの間の第２のＣＥＲを算出するステップと、第１のＣＥＲと第２のＣＥＲとが比較され、第１の出力誤り訂正テキストに対応する第１のトレーニング誤り訂正ラベルが得られるステップと、を含む。
【０００８】
本開示の一実施例によれば、第１のＣＥＲと第２のＣＥＲとを比較して、第１の出力誤り訂正テキストに対応する第１のトレーニング誤り訂正ラベルを取得するステップは、第１のＣＥＲが第２のＣＥＲより大きいことに応じて、第１のトレーニング誤り訂正ラベルが、第１の出力誤り訂正テキストは第１の所定入力テキストに対して改善されたことを指示するように設定されるステップと、第１のＣＥＲが第２のＣＥＲ以下になることに応じて、第１のトレーニング誤り訂正ラベルが、第１の出力誤り訂正テキストは第１の所定入力テキストに対して改善されていないことを指示するように設定されることと、を含む。
【０００９】
本開示の一実施例によれば、第１のニューラルネットワークモデルと、第２のニューラルネットワークモデルとは、同じニューラルネットワークで実装される。
【００１０】
本開示の一実施例によれば、第１のニューラルネットワークモデルは、自己回帰モデル（ａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌ、ＡＲモデル）を含む。
（【００１１】以降は省略されています）

関連特許