言語モデル作成のツールとして，大変お世話になっている「Palmkit」である． （使用方法等，詳細に関しては，伊藤彰則先生のHPで公開されている）
windows上でのインストールは，MinGWでは色々と足りないものがあるので，四苦八苦することになると思う．やるならCygwinとかの方がいいと思われる．
与えるコーパスは，後のことを考えて，EUCで作成したものを用いるのが良い．
text2wfreq hoge.text > hoge.wfreq
語彙の頻度を算出する．出来たファイルは単語頻度リストである．
与えるファイルは，分かち書きしてあるデータであればよく，形態素解析済みのものでも問題ない．
wfreq2vocab -gt 10 hoge.wfreq > hoge.vocab
N-gramで用いる単語リストを作成する．オプションが色々あり，
・-top num 上位num個の単語
・-gt num 出現回数num数以上の単語
である．
text2idngram -n 2 -vocab hoge.vocab hoge.text id2gram
コーパスと語彙リストから，2-gramを作成する．
idngram2lm -n 2 -idngram id2gram -vocab hoge.vocab -arpa 2.arpa.gz
バックオフをかけて，arpa形式の2-gramの言語モデルを作成する．
text2idngram -n 3 -vocab hoge.vocab hoge.text id3gram
コーパスと語彙リストから，3-gramを作成する．
reverseidngram -n 3 id3gram rid3gram
逆向き3-gramを作成する．
idngram2lm -n 3 -idngram rid3gram -vocab hoge.vocab -arpa r3.arpa.gz
バックオフをかけて，arpa形式の2-gramの言語モデルを作成する．
形態素解析の整形器“真茶”を作成した．perlとrubyで実装．
何故，そんなものが必要なのかについて補足する．
形態素解析を行う際，話し言葉と書き言葉を意識する必要がある．
この整形処理をしっかりしておくと，認識精度が良くなるだけでなく，
雑音のあるような環境で動かした場合であっても，頑健にしっかり認識してくれやすくなる．
ちなみに，chasenは書き言葉の解析を行う(どこかで読んだ気がする･･･)．
いずれにせよ，解析誤り処理や読みの再付与など，話し言葉風に解析結果を整形する必要がある．
・解析誤り箇所の訂正(解る範囲でする，辞書をいじると解決したりもする)
・読み無しの単語の除外(記号や未知語など)
・フィラーの類(色々種類があるのでまとめてみたり追加したりとかする)
・読みの再付与(話し言葉風な読みを再付与：ここが重要)
・数字の類(表記をまとめたり，読みの再付与・統一)
・類似単語の類
上に書いたようなことを“真茶”では行っている．
こうして整形された音声対話用話し言葉コーパスを，Palmkitに投げるわけである．
Palmkitで作成された言語モデルをjuliusで読み込む際に高速にするために，
2-gramと後向き3-gramを一つのファイルに統合する．
mkbingram -nlr 2.arpa.gz -nrl r3.arpa.gz hoge_bingram
このプログラムはjuliusに付属されている．
音声認識を行うためには，発音辞書が必要である．
perlやrubyで実装してある．
./vocab2htkdic.rb < hoge.vocab > hoge_dic
rubyバージョンの入手先は今はないが，要は読みをローマ字に変換するスクリプトである．
有り難いことに，perlバージョンが，ITtextの“音声認識システム”に付属のCDに入っている．
