希少語の音声認識を改善するためのマルチタスク言語モデリング【JST・京大機械翻訳】

Yang Chao-Han Huck; Liu Linda; Gandhe Ankur; Gu Yile; Raju Anirudh; Filimonov Denis; Bulyko Ivan

プレプリント

J-GLOBAL ID：202202208152358541 整理番号：21P0063095

希少語の音声認識を改善するためのマルチタスク言語モデリング【JST・京大機械翻訳】

Multi-task Language Modeling for Improving Speech Recognition of Rare Words

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 (7件)： , , , , , ,
資料名：
発行年： 2020年11月23日プレプリントサーバーでの情報更新日： 2021年09月11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)

エンドツーエンド自動音声認識(ASR)システムは,それらの相対的アーキテクチャ単純性と競合性能のため,ますます一般的である。しかし,これらのシステムの平均精度が高い可能性があるとしても,希少コンテンツ単語の性能はハイブリッドASRシステムの背後にあることが多い。この問題に取り組むために,第2パス再スコアリングは言語モデリングでしばしば適用される。本論文では,音声認識性能を改善するために,セマンティックターゲット(意図およびスロット予測のような)を利用して,マルチタスク学習を有する2パスシステムを提案した。これらの追加タスクで訓練された再スコアリングモデルは,言語モデリングタスクのみにより訓練されたベースライン再スコアリングモデルよりも,一般的テストで1.4%,単語誤りレート相対(WERR)に関して,希少単語テストセットで2.6%だけ優れていることを示す。マルチタスクLMを有する著者らの最良のASRシステムは,RNNトランスデューサと比較して,稀な単語認識のためのASRベースラインだけと比較して,4.6%WERR演繹を示した。【JST・京大機械翻訳】

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

パターン認識

, ,

前のページに戻る