音声言語理解システムを構築するための音声訓練データの必要性の低減に向けて【JST・京大機械翻訳】

Thomas Samuel; Kuo Hong-Kwang J.; Kingsbury Brian; Saon George

プレプリント

J-GLOBAL ID：202202221102987781 整理番号：22P0296656

音声言語理解システムを構築するための音声訓練データの必要性の低減に向けて【JST・京大機械翻訳】

Towards Reducing the Need for Speech Training Data To Build Spoken Language Understanding Systems

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02月26日プレプリントサーバーでの情報更新日： 2022年02月26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)

話し言葉言語理解(SLU)に必要なラベルで注釈付けされた音声データの欠如は,音声入力を直接処理できるエンドツーエンド(E2E)システムの構築における大きなハードルである。対照的に,適切なラベルを持つ大量のテキストデータは通常利用可能である。本論文では,これらのテキスト資源を用いてE2E SLUシステムを効果的に構築できる新しいテキスト表現と訓練方法論を提案した。追加音声の非常に限られた量で,これらのモデルが,完全な音声データセット上に構築された類似システムに近いレベルで実行するためにさらに改良できることを示した。提案アプローチの有効性を,3つの異なるSLUデータセットを用いて,意図とエンティティタスクの両方で実証した。テキストのみの訓練で,提案システムは,完全な音声訓練で可能な性能の90%に達する。ちょうど10%の音声データで,これらのモデルは,さらに,全性能の97%まで有意に改善する。【JST・京大機械翻訳】

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

自然語処理 , 音声処理

, ,

前のページに戻る