人工不流利检测，呃不，面向大众的不流利生成
计算与语言
2022-11-18 v1
摘要
现有的不流利检测方法通常要求存在大规模标注数据集。然而，该任务的当前数据集有限、存在类别不平衡，且缺乏真实场景中可能遇到的某些类型的不流利。本文提出LARD，一种从流利文本自动生成人工不流利的方法。LARD可基于reparandum/interregnum标注方案模拟所有不同类型的不流利（重复、替换和重启）。此外，它将上下文嵌入引入不流利生成，以产生真实的上下文感知人工不流利。由于所提方法仅需流利文本，它可直接用于训练，绕过了对标注不流利数据的需求。我们的实证评估表明，在无可用的或仅有极少数据时，LARD确实可有效使用。此外，我们的详细分析表明，所提方法生成了真实的不流利并提升了现有不流利检测器的准确率。
引用
@article{arxiv.2211.09235,
title = {Artificial Disfluency Detection, Uh No, Disfluency Generation for the Masses},
author = {T. Passali and T. Mavropoulos and G. Tsoumakas and G. Meditskos and S. Vrochidis},
journal= {arXiv preprint arXiv:2211.09235},
year = {2022}
}
备注
10 pages