臺灣博碩士論文加值系統

未來網路世界中，最吸引人的數位內容形式將會是包含了語音資訊的多媒體，而其中的語音資訊，往往都攜帶了非常重要的訊息，能夠清楚的傳達出這些多媒體的內容。因此，和多媒體內容有關的語音文件非常可能成為使用者在搜尋或瀏覽大量多媒體內容時的關鍵角色。

在本篇論文中，提出了一套可以應用在語音文件上面，階層式（hierarchical）的主題分析與組織以及加以視覺化呈現的新方法。這套新方法主要是以機率式潛藏語意分析（Probabilistic Latent Semantic Analysis）為基礎，透過這套方法，可以將大量的語音文件依據其主題內容加以分析並組織成為二維的樹狀結構（two-dimentional tree structure）或是多重階層圖（multi-layer map）的形式，方便使用者可以非常有效率的進行瀏覽或是搜尋的動作。和傳統的文件分群演算法不同的是，機率式潛藏語意分析可以將潛藏主題群之間的關係呈現出來，也能夠產生出相當好的主題標記（topic label）來對這些主題群進行描述。

本論文也描述了一套台大語音實驗室所發展的以中文語音新聞為例的搜尋瀏覽系統，整合了語音文件的類專有名詞抽取、切割、資訊檢索、標題與摘要之自動產生及主題分析與組織。同時，因為考慮到中文的特殊語言結構，在用語（term）的選擇上，除了詞（word）以外，還考慮了其他合適的參數作為用語的選擇。

1 導論 1
1.1 研究動機 1
1.2 相關研究 3
1.3 章節大綱 6
2 背景知識 9
2.1 機率式潛藏語意分析理論 10
2.1.1 潛藏觀念模型 10
2.1.2 使用最大期望值演算法求取潛藏觀念模型 11
2.2 機率式潛藏語料庫勘測圖 15
2.2.1 機率式潛藏語料庫勘測圖的理論 15
2.2.2 使用最大期望值演算法進行主題分析 18
2.3 網路自組性語意對應圖 20
2.3.1 自組性語意對應圖之演算法 21
2.3.2 網路自組性語意對應圖之系統簡述 23
3 語音文件之主題分析與組織 27
3.1 主題混合模型 29
3.1.1 主題混合模型之理論 30
3.1.2 使用最大期望值演算法求取主題混合模型 32
3.1.3 非監督式主題混合模型 34
3.2 主題混合模型勘測圖 35
3.2.1 主題混合模型勘測圖理論 35
3.3 實驗評估 39
3.3.1 "主題間對主題內"距離比 39
3.3.2 主題分佈之總熵值 40
3.3.3 實驗結果 40
4 中文語音新聞搜尋瀏覽之系統整合 43
4.1 系統整合概述 45
4.1.1 技術整合 45
4.1.2 系統實作 47
4.2 系統整合瀏覽介面 49
5 結論與展望 53
5.1 結論 53
5.2 展望 55

[1] CMU Informedia Digital Video Library project “http://www.informedia.cs.cmu.edu/”.
[2] Multimedia Document Retrieval project at Cambridge University Home Page: “http://mi.eng.cam.ac.uk/research/Projects/Multimedia Document Retrieval/”.
[3] D.R.H. Miller, T. Leek and R. Schwartz, "Speech and languagetechnologies for audio indexing and retrieval," Proc.IEEE, vol. 88, no. 8, pp. 1338-1353, 2000.
[4] S. Whittaker, J. Hirschberg, J. Choi, D. Hindle, F. Pereiraand A. Singhal, "SCAN: Designing and evaluating user interfaceto support retrieval from speech archives," in Proc.ACM SIGIR Conference on R&D in Information Retrieval,1999, pp. 26-33.
[5] A. Merlino and M. Maybury, "An empirical Study of the optimal presentation of multimedia summaries of broadcast News," in Automated Text Summarization, I. Mani and M.Maybury, Eds. Cambridge, MA: MIT Press 1999, pp. 391-401.
[6] SpeechBot Audio/Video Search at Hewlett-Packard (HP) Labs: “http://www.speechbot.com/”.
[7] T. Kohonen, “Self-Organization and Associative Memory,” Springer, 1984.
[8] T. Kohonen, “Self-Organizing Maps,” Springer, 1995.
[9] T. Kohonen, S. Kaski, K. Lagus, J. Salojvi, J. Honkela, V.Paatero and Saarela A,”Self organization of a massive document collection,” IEEE Trans on Neural Networks, vol. 11, no. 3, pp. 574-585, 2000.
[10] M. Kurimo, “Thematic indexing of spoken documents by using self-organizing maps,” Speech Communication, vol. 38, pp. 29-45, 2002.
[11] T. Hofmann, “ProbMap - a probabilistic approach for mapping large document collections,” Journal for Intelligent Data Analysis, vol. 4, pp. 149-164, 2000.
[12] Thomas Hofmann, “Probabilistic Latent Semantic Analysis,” Uncertainty in Artificial Intelligence, 1999.
[13] S. Deerwester, S. T. Dumais, G. W.Furnas, T. K. Landauer and R. Harshman, “Indexing by Latent Semantic Analysis,”Proceeding of the American Society for Information Science, 1990.
[14] A. P. Dempster, N. M. Laird, and D. B. Robin, “Maximum Likelihood from Incomplete Data via the EM Algorithm,” Journal of Royal Statist, 1977.
[15] Berlin Chen, Exploring the Use of Latent Topical Information for Statistical Chinese Spoken Document Retrieval ,‘Minor revisions, Pattern Recognition Letters, January 2005.
[16] S. C. Chen and L. S. Lee, “Automatic title generation for Chinese spoken documents using an adaptive K-nearest-neighbor approach,” in Proc. European Conference on Speech Communication and Technology, 2003, pp. 2813-2816.
[17] L. S. Lee and S. C. Chen, “Automatic title generation for Chinese spoken documents considering the special structure of the language,” in Proc. European Conference on Speech Communication and Technology, 2003, pp. 2325-2328.
[18] Lin-shan Lee, Yuan Ho, Jia-fu Chen and Shun-Chuan Chen, “Why is the special structure of the language important for Chinese spoken language processing? -examples on spoken document retrieval, segmentation and summarization,” in Proc. European Conference on Speech Communication and Technology, 2003, pp. 49-52.