音频去标识化：一种新的实体识别任务
计算与语言
2019-05-07 v2
摘要
命名实体识别（Named Entity Recognition, NER）主要在书面文本语境中被研究。具体而言，NER是医疗记录去标识化（de-identification, de-ID）的重要步骤，其中许多记录为病人与医生之间的对话录音。在此类录音中，包含个人信息的音频片段应被遮蔽，类似于书面文本去标识化中对敏感字符片段的遮蔽。NER在音频去标识化语境中的应用尚待充分研究。为此，我们定义了音频去标识化任务，其中应检测包含实体提及的音频片段。随后我们给出该任务的流水线，其包含自动语音识别（Automatic Speech Recognition, ASR）、转录文本上的NER以及文本到音频的对齐。最后，我们引入一种用于音频去标识化的新度量，以及一个由Switchboard和Fisher音频数据集的大规模标注片段组成的新评估基准，并详述我们流水线在该基准上的结果。
引用
@article{arxiv.1903.07037,
title = {Audio De-identification: A New Entity Recognition Task},
author = {Ido Cohn and Itay Laish and Genady Beryozkin and Gang Li and Izhak Shafran and Idan Szpektor and Tzvika Hartman and Avinatan Hassidim and Yossi Matias},
journal= {arXiv preprint arXiv:1903.07037},
year = {2019}
}
备注
Accepted to NAACL 2019 Industry Track