非母语口语问答的初步研究
计算与语言
2021-07-13 v1
摘要
基于文本的机器理解（MC）系统具有广泛的应用，并且存在用于开发和评估方法的标准语料库。关于口语问答（SQA）系统的研究则要少得多。本文考虑的 SQA 任务是从候选人在提示-应答式语言评估测试中对问题的口语回答中提取答案。将这些 MC 方法应用于此 SQA 任务，而非例如离题应答检测，可提供可用于进一步下游处理的更详细信息。一个重大挑战是缺乏适当标注的语音语料库来训练该任务的系统。因此，采用了一种迁移学习风格的方法，其中在基于文本的 MC 上训练的系统在非母语说话人的 SQA 任务上进行评估。必须考虑文本文档与口语应答之间、非母语口语语法与书面语法之间的不匹配。在实际 SQA 中，使用 ASR 系统，因此需要研究 ASR 错误的影响。我们表明，在 SQuAD2.0 上训练的简单基于文本的 ELECTRA MC 模型可很好地迁移到 SQA。研究发现，ASR 错误与 SQA 评估分数之间大致呈线性关系，但语法不匹配的影响最小。
引用
@article{arxiv.2107.04691,
title = {An Initial Investigation of Non-Native Spoken Question-Answering},
author = {Vatsal Raina and Mark J. F. Gales},
journal= {arXiv preprint arXiv:2107.04691},
year = {2021}
}
备注
5 pages, 1 figure