E2Eモデルのための尤度比ベース領域適応法【JST・京大機械翻訳】

Choudhury Chhavi; Gandhe Ankur; Ding Xiaohan; Bulyko Ivan

プレプリント

J-GLOBAL ID：202202200096934908 整理番号：22P0025892

E2Eモデルのための尤度比ベース領域適応法【JST・京大機械翻訳】

A Likelihood Ratio based Domain Adaptation Method for E2E Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2022年01月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

リカレントニューラルネットワーク変換器(RNN-T)のようなエンドツーエンド(E2E)自動音声認識モデルは,音声支援のようなストリーミングASRアプリケーションのための一般的な選択になっている。E2Eモデルは訓練データの学習表現において非常に有効であるが,訓練されたドメイン上の精度は困難な問題である。さらに,これらのモデルは,対音声とテキスト訓練データを必要とし,計算上高価であり,会話音声の高速進化特性に適応するのが難しい。本研究では,RNN-Tモデルを新しいドメインとエンティティに適応させるために,テキストデータソースを利用する尤度比を用いた文脈バイアスアプローチを検討した。提案手法は,まれな単語認識の改善に有効であり,一般的データセット上で劣化のない複数のドメイン外データセット上で,1ベスト単語誤り率(WER)で10%,n-best Oracle WER(n=8)で10%の相対的改善をもたらすことを示す。また,第2パス再スコアリングモデルの適応による文脈バイアス適応の補完は,付加的WER改善を与えることも示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識

, ,

前のページに戻る