上記で、tree-trellisサーチとViterbiサーチのアルゴリズムについて述べた。この両者のアルゴ リズムには各々長所短所がある。したがって認識性能と計算コストとメモリー量を考慮 してアルゴリズムを選択する必要がある。表2.3にこれらのアルゴリズムの特徴についてまとめた。
なお、tree-trellisサーチとViterbiサーチをグリッドを中心に考 えると、tree-trellisサーチにおいて１単語ごとにマージするものを、 Viterbiサーチと呼んでいることになる。したがってグリッドをオブジェク トと考えてプログラムを作成するとtree-trellisサーチとViterbiサーチは ほぼ同一のプログラムで作成できる。また、音素のHMMは前後の音素環 境を考慮するcontext dependentタイプが良く使用されている。グリッドを考 えるとき、前後の音素環境も考慮しながらマージすることによりtriphone の ような context-dependent modelも扱える。また、言語モデルとしてネット ワーク文法や文脈依存文法などを利用するとき、過去の履歴に関して完全に 一致する場合のみマージをすることで、left-right 型のネットワーク文法に 当てはめることが可能である。
