利用数据生成与强化学习提升标点恢复
计算与语言
2023-07-25 v1
摘要
标点恢复是自动语音识别 (ASR) 中的一项重要任务，旨在恢复所生成 ASR 文本的句法结构以提高可读性。尽管书面文档中富含带标点的文本，但书面带标点文本与 ASR 文本之间的差异限制了书面文本在训练面向 ASR 文本的标点恢复系统中的可用性。本文提出一种强化学习方法，利用同主题书面文本以及大预训练生成语言模型的最新进展来弥合这一差距。实验表明，我们的方法在两个标点恢复基准数据集的 ASR 测试集上达到了最先进的性能。
引用
@article{arxiv.2307.12949,
title = {Boosting Punctuation Restoration with Data Generation and Reinforcement Learning},
author = {Viet Dac Lai and Abel Salinas and Hao Tan and Trung Bui and Quan Tran and Seunghyun Yoon and Hanieh Deilamsalehy and Franck Dernoncourt and Thien Huu Nguyen},
journal= {arXiv preprint arXiv:2307.12949},
year = {2023}
}
备注
Accepted at INTERSPEECH 2023, 6 pages