用于置信度估计的双向格子循环神经网络
音频与语音处理
2019-02-19 v2 计算与语言
机器学习
声音
摘要
缓解自动语音识别系统所犯错误的标准方法是使用与每个预测词相关联的置信度分数。在最简单的情况下，这些分数是词后验概率，而更复杂的方案利用双向循环神经网络（BiRNN）模型。然而，许多上游与下游应用不仅依赖于分配给 1-best 假设的置信度分数，还依赖于分配给混淆网络或格子中所有词的分数。这些应用包括但不限于说话人自适应、半监督训练与信息检索。尽管词后验概率可在这些应用中用作置信度分数，但已知其存在可靠性问题。为使改进的置信度分数更普遍可用，本文展示了如何将 BiRNN 从 1-best 序列扩展到混淆网络与格子结构。实验使用剑桥大学提交至 IARPA OpenKWS 2016 竞赛的其中一个系统开展。结果表明，基于混淆网络与格子的 BiRNN 能显著改进置信度估计。
引用
@article{arxiv.1810.13024,
title = {Bi-Directional Lattice Recurrent Neural Networks for Confidence Estimation},
author = {Qiujia Li and Preben Ness and Anton Ragni and Mark Gales},
journal= {arXiv preprint arXiv:1810.13024},
year = {2019}
}
备注
Accepted by ICASSP 2019