文献

J-GLOBAL ID：202202239405106873   整理番号：22A1053041

AequeVox:音声認識システムの自動公平性試験【JST・京大機械翻訳】

AequeVox: Automated Fairness Testing of Speech Recognition Systems

著者 (3件)： Rajan Sai Sathiesh (Singapore University of Technology and Design, Singapore, Singapore) ,  Udeshi Sakshi (Singapore University of Technology and Design, Singapore, Singapore) ,  Chattopadhyay Sudipta (Singapore University of Technology and Design, Singapore, Singapore)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13241  ページ： 245-267  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 自動音声認識(ASR)システムはユビキタスになった。それらは様々な形態因子で発見され,日常生活でますます重要になっている。このように,これらのシステムが母集団の異なるサブグループに公正であることを確実にする。本論文では,ASRシステムの公平性を評価するための自動試験フレームワークであるAequeVoxを導入した。AequeVoxは,異なる個体群に対するASRシステムの有効性を評価するために異なる環境をシミュレートする。さらに,選択したシミュレーションが人間に対して分かりやすいかどうかを検討した。さらに,これらの変化する環境に対してロバストでない単語を識別することができる故障位置確認技術を提案した。AequeVoxの両成分は,グランドトルースデータがない場合に操作できる。3つの異なる市販ASRを用いて4つの異なるデータセットから音声上のAequeVoxを評価した。著者らの実験は,非ネイティブ英語,女性,およびナイジェリア英語話者が,それぞれ,ネイティブ英語,男性,およびUK Midlands話者よりも,平均で109%,528.5%および156.9%多い誤差を生成することを明らかにした。また,著者らのユーザ研究は,シミュレーションの82.9%(音声変換を通して雇用)が,7つ以上(外部から10)以上の可読性評価を持ち,最低評価が6.78であることを示した。これは,AequeVoxによって発見された公平性違反をさらに検証した。最後に,著者らは,AequeVoxに具体化された故障局所化技術によって予測されたように,非ロバスト単語が,すべてのASRにわたって予測されたロバスト単語より223.8%多い誤差を示すことを示した。Copyright The Author(s) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *音声 ,  *音声認識 ,  故障 ,  雇用 ,  可読性 ,  自動試験 ,  英語 ,  音声処理 ,  個体群 ,  母集団 ,  有効性 ,  単語 ,  ロバスト性 ,  公平性
準シソーラス用語： 自動音声認識 ,  話者 ,  音声変換 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 音声認識システム ,  公平性 ,  試験