面向端到端自动口语评分的冷启动问题应对
计算与语言
2023-06-27 v1 声音
音频与语音处理
摘要
集成自动口语评分/评测系统已成为二语口语教学的关键环节。随着自监督学习的进展，端到端口语评分方法已展现出 promising 结果。然而，本研究强调口语评分系统在新题目语境下性能显著下降，从而将其识别为题目层面的冷启动问题。基于冷启动现象的发现和本文旨在缓解该问题的目标，我们采用以下方法：1) 提示嵌入，2) 使用 BERT 或 CLIP 模型的题目语境嵌入，以及 3) 预训练声学模型的选择。实验在由专业 TOEIC 口语评分员打分的英语作为第二语言（ESL）学习者 TOEIC 口语测试数据集上进行。结果表明，所提框架不仅在冷启动环境下表现出鲁棒性，且在已知内容上也优于基线。
引用
@article{arxiv.2306.14310,
title = {Addressing Cold Start Problem for End-to-end Automatic Speech Scoring},
author = {Jungbae Park and Seungtaek Choi},
journal= {arXiv preprint arXiv:2306.14310},
year = {2023}
}
备注
Accepted at Interspeech 2023, 4 pages, 1 page for reference