Acquisition automatique de «morphèmes acoustiques» pour la compréhension langagière en collaboration avec Allen Gorin Giuseppe Riccardi Jerry Wright Introduction Notre objectif => dialoguer en langage spontané avec des machines Méthodes actuelles => besoin des corpus de parole annotés manuellement Inconvénients => nouvelle application, collecte et annotation de nouvelles bases de données Objectif => développer des méthodes d’apprentissage automatique du vocabulaire, de la grammaire et de la sémantique à partir de corpus de parole sans transcriptions Tâche difficile => commencer avec un reconnaisseur phonétique (dépendant de la langue) Evaluation => l’utilité de unités apprises automatiquement, évaluée lors de la classification d’appels téléphoniques dans la tâche « How May I Help You ?», développée à AT&T 2 Plan 1 Etat de l’art 2 Base de données 3 Acquisition automatique de « morphèmes acoustiques » et leur caractérisation 4 Détection de ces morphèmes 5 Evaluation expérimentale => classification de requêtes téléphoniques 6 Conclusions et perspectives 3 1 Etat de l’art Olivier (1968 ) : acquisition automatique de mots et de la grammaire à partir du texte sans les délimiteurs de mots Gorin, Levinson et Sankar (1994) : acquisition des unités lexicales à partir d’un flux de mots isolés Deligne et Bimbot - 1997; Llyod-Thomas, Parris, Wright -1998 et Chollet, Cernocky, Constantinescu, Deligne, Bimbot -1999 acquisition automatique de séquences d’unités de longueur variable dans de la parole continue Notre but : exploiter la parole et sa signification pour la compréhension du langage en minimisant l’utilisation des transcriptions 4 Base de données utilisée Corpus « How may I help you ?» HMIHY transactions téléphoniques classées par type d’appel (appel <=> action): 7462 apprentissage et 1000 test Reconnaisseur phonétique indépendant de la tâche : Modèle de langage phono-tactique de Switchboard 1 (Automate Stochastique de multigrammes, max 6) Résultats sur HMIHY : 44% de phones reconnus correctement dans le meilleur chemin, et 68% dans le treillis phonétique ASR-phone-train et ASR-phone-test 5 2.1 Caractérisation des données ASR-phone 6 3. Morphèmes acoustiques - définitions Morphème acoustique f = forme acoustique associée à une action = séquence f de phones pi : f = p1 p2 … pn ; Mesure de sa pertinence pour l’action associée, évaluée par le maximum de la distribution à posteriori: Pmax f max Pci f CiC avec C =15 types d’appel de HMIHY Son utilité pour la reconnaissance est évalué par la mesure de l’information mutuelle de ses composants : MI(f) MI (p1 p2 … pn-1 ; Pn) 7 3.2 Morphèmes : schéma d’acquisition Algorithme itératif Seuil de sélection Algorithme de regroupement 8 3.3 MI des séquences pré-sélectionnées 9 3.4 Pmax des séquences pré-sélectionnées 10 3.4 Séquences pertinentes Séquences pré-sélectionnées : seuil sur Pmax >= 0.6 Exemples de séquences pertinentes, associées à collect : Séquence Pmax Séquence pertinente f1 0.81 K ax l eh K T f2 0.91 K ax l eh K T K ao l f3 0.91 bos K ax l eh K T K ao l f4 0.97 K ax l eh K T K ao l eos f5 0.87 K l ay K K f6 0.92 K l ay K K ao l D f7 0.91 P l ey s ih K l ay K f8 0.94 P l ey s ih K l ay K K ao l 11 3.5 On arrive au « Morphème acoustique » En utilisant une mesure de distorsion segmentale On les représente par des automates à états finis Exemple d’un morphème acoustique f (associé a collect) : K eh K eh T ax K l ay K ao K ao aa 12 l D m 4. Détection des morphèmes acoustiques Classification des appels est basée sur la détection des morphèmes acoustiques Meilleur chemin de la reco. de phonèmes dans 42% des appels, aucun morphème trouvé => classification impossible pour ces appels => résultats non satisfaisants Solution: les treillis du reconnaisseur phonétique 13 4.1 Détections dans les treillis de phonèmes Treillis: représentation des distributions d’hypothèses de reconnaissance alternatives représentés comme des automates à états finis utilisés sous forme de : treillis complets ou treillis élagués, seuil r : ri =< r avec ri = pi / p1, et pi = prob. du chemin i Résultats: plus de détections de morphèmes incluant aussi des fausses détections 14 4.2 Exemple du treillis d’une élocution Elocution = « collect call « Treillis élague correspondant : eh K l r ax K T ao l ah K 15 ao l D 4.3 Les treillis améliorent la détection Expérience Pourcentage d’appels sans détection meilleur chemin 42 % treillis élagué 12 % treillis complet 6% 16 4.4 Morphèmes acoustiques détectés 17 4.5 Statistiques d’un Morphème Acoustique Fc Sa pertinence sur l’ensemble d’apprentissage P(c | Fc) = 0.89 W = suite de mots correspondant à Fc dans transr-word-train P (c | Fc) = proba. d’apparition du morphème dans ASR-phone-test P (W) = proba. d’apparition de W , calculée dans transr-word-test expérience r P (Fc) P(W) meilleur chemin 1 0.028 0.071 treillis élagué 0.05 0.042 - treillis complet 0.080 0.00 18 - 4.6 Détections et pertinence de Fc P ( Fc | c) = proba de Fc étant donné l’appel ; P ( c | Fc ) = pertinence effective sur l’ensemble de test ; Expérience r P ( Fc | c) P ( c | Fc ) meilleur chemin 1.00 0.15 0.93 treillis élagué 0.05 0.20 0.90 treillis complet 0.00 0.31 0.71 19 4.7 Comparaison avec les données transcrites P ( Fc | W) = proba de « détection correcte » de Fc ; P ( Fc | W ) = proba de « fausse détection » de Fc ; Expérience r P ( Fc | W) P ( c |W ) meilleur chemin 1.00 0.38 0.001 treillis élagué 0.05 0.53 0.004 treillis complet 0.00 0.66 0.035 20 5. Evaluation expérimentale avec la classification d’appels téléphoniques Utilité des morphèmes acoustiques évaluée pour la classification d’appels de « How may I help you ? » Classificateur actuel utilise seulement les meilleurs chemins Modification simple : si détection dans meilleur chemin => OK sinon chercher dans le treillis jusqu’à la découverte d’une détection considérer seulement ce chemin si aucune détection => classer l’appel dans la classe poubelle « OTHER » 21 6. Résultats de la classification d’appels 22 6. Conclusions Nous avons cherché à «apprendre à comprendre» à partir d’une base de données sans transcriptions Comment : par l’acquisition automatique de « morphèmes acoustiques » Utilisation pour la classification d’appels téléphoniques HMIHY Résultats en cherchant dans les treillis, on réduit le taux de faux rejet de 59%, accompagné d’une réduction d’appels classés correctement de 5% On atteint un point opérationnel de 86% classifications correctes, avec 50% de faux rejet 23 7. Perspectives Optimiser l’algorithme d’acquisition des séquences pré-sélectionnées Phase de test : exploiter des détections multiples dans les treillis Utiliser des détections « floues » Utiliser les treillis dans la phase d’apprentissage 24