语音术语分类中的小样本学习研究
计算与语言
2020-09-15 v3 信息检索
摘要
在本文中，我们研究了将小样本学习算法应用于语音任务的可行性。我们将用户自定义的语音术语分类场景表述为一个小样本学习问题。在大多数小样本学习研究中，通常假设 N-way 问题中的所有 N 个类别都是新类别。我们建议放宽这一假设，并定义了一个 N+M-way 问题，其中 N 和 M 分别是新类别和固定类别的数量。我们提出了一种对模型不可知元学习（MAML）算法的修改来解决该问题。在 Google Speech Commands 数据集上的实验表明，我们的方法优于传统的监督学习方法和原始的 MAML。
引用
@article{arxiv.1812.10233,
title = {An Investigation of Few-Shot Learning in Spoken Term Classification},
author = {Yangbin Chen and Tom Ko and Lifeng Shang and Xiao Chen and Xin Jiang and Qing Li},
journal= {arXiv preprint arXiv:1812.10233},
year = {2020}
}
备注
Accepted by INTERSPEECH 2020