基于最优传输域适应的跨语言失语症检测
音频与语音处理
2019-12-11 v1 计算与语言
机器学习
声音
机器学习
摘要
在多语言语音数据集于医学领域稀缺且样本量常较小的背景下，跨语言稳健地迁移语言特征可改善低资源语言使用者在通过语音检测健康状况时的早期诊断和治疗率。我们利用域外、未配对、单说话人、健康的语音数据训练多个最优传输（Optimal Transport, OT）域适应系统。我们学习从其他语言到英语的映射，并依据语音的语言学特征检测失语症，结果表明相较于单语基线，OT域适应提升了法语（F1提高6%）和普通话（F1提高5%）的失语症检测效果。此外，我们表明在域适应系统中加入失语症数据可显著提升法语和普通话的性能，进一步提高了F1分数（相较于单语基线，法语和普通话的F1分数分别额外提升10%和8%）。
引用
@article{arxiv.1912.04370,
title = {Cross-Language Aphasia Detection using Optimal Transport Domain Adaptation},
author = {Aparna Balagopalan and Jekaterina Novikova and Matthew B. A. McDermott and Bret Nestor and Tristan Naumann and Marzyeh Ghassemi},
journal= {arXiv preprint arXiv:1912.04370},
year = {2019}
}
备注
Accepted to ML4H at NeurIPS 2019