ハイブリッドctc/注意システムのための事後分布適応に基づくエンドツーエンド文脈アサ【JST・京大機械翻訳】

Zhang Zhengyi; Zhou Pan

プレプリント

J-GLOBAL ID：202202205829533680 整理番号：22P0291615

ハイブリッドctc/注意システムのための事後分布適応に基づくエンドツーエンド文脈アサ【JST・京大機械翻訳】

End-to-end contextual asr based on posterior distribution adaptation for hybrid ctc/attention system

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 (2件)： ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月17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)

エンドツーエンド(E2E)音声認識アーキテクチャは,従来の音声認識システムのすべての成分を単一モデルに組み立てる。それはASRシステムを単純化するが,文脈的ASR欠点を導入する:E2Eモデルは,まれな適切な名詞を含む発話に関してより悪い性能を有する。本研究では,コンテキストフレーズを認識する能力を改善するために,コンテキストバイアス注意(CBA)モジュールを注意ベース符号器復号器(AED)モデルに加えることを提案した。特に,CBAは,特定のバイアス埋込みに着目する復号器におけるソース注意のコンテキストベクトルを利用する。基本的AEDパラメータで共同学習して,CBAは,その出力確率分布をバイアスする場合に,そのモデルを打ち消すことができた。推論段階で,バイアスフレーズのリストを事前負荷し,CBAの終端バイアスフレーズに従ってCTCと注意復号器の両方の事後分布を適応させた。GigaSpeech上で提案した方法を評価し,ベースラインモデルと比較して15%から28%の範囲のバイアスフレーズの再現率に関して一貫した相対的改善を達成した。一方,著者らの方法は,一般的試験に関する性能として,強い抗バイアス能力を示し,2,000バイアスフレーズも存在する。【JST・京大機械翻訳】

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

パターン認識

, , , , , ,

前のページに戻る