.png){kind=icon}
返回
Optimizing ASR Models with Semantic Information
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-02548-7_3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动语音识别模型通常使用与评估标准不同的目标函数进行训练。例如，使用CTC损失训练的ASR模型最大化输出符号的可能性，但这些模型使用WER进行评估。直接优化以最小化WER已被提出以缓解这一差距。然而，我们认为更好的方法是利用基于语义的指标，例如对齐语义距离（ASD）。在本工作中，我们提出了一种结合ASD和CTC的联合损失函数，用于微调wav2vec2模型进行语音识别。我们将ASD损失定义为模型N个最佳假设的预期ASD分数。我们的结果表明，我们的方法在ASD分数和WER上实现了约3%的相对改进。此外，我们通过分析其相对于词性类型的分布来分析错误。最后，我们证明使用我们提出的损失函数进行训练可以提高模型在下游NLP任务上的性能。
Keyword:
speech recognition
semantic context
期刊
T
IF:
0
论文数:
31
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
Computing and Visualizing Dynamic Time Warping Alignments in R: The dtw Package在R中计算和可视化动态时间扭曲对齐: dtw包
OAAI
OAAI分享收藏分享收藏 没有更多内容
没有更多内容