用于不流畅检测的辅助序列标注任务

在自发语音中检测不流畅现象是自然语言处理和语音识别应用中的重要预处理步骤。现有的不流畅检测工作仅专注于为不流畅检测设计单一目标，而利用词的语言信息（如命名实体或词性信息）的辅助目标可能是有效的。在本文中，我们专注于在口语转写文本上检测不流畅，并提出了一种利用命名实体识别（NER）和词性标注（POS）作为不流畅检测的辅助序列标注（SL）任务的方法。首先，我们研究了利用词的语言信息可防止对重要词的误预测并有助于正确检测不流畅的情况。其次，我们表明，使用辅助 SL 任务训练不流畅检测模型可提升其在不流畅检测中的 F 值。然后，我们分析了根据基线模型哪些辅助 SL 任务具有影响力。在广泛使用的英语 Switchboard 数据集上的实验结果表明，我们的方法优于先前最先进的不流畅检测模型。