面向端到端语音理解的深度 F 值最大化
音频与语音处理
2020-08-11 v1 计算与语言
机器学习
声音
摘要
口语语言理解（SLU）数据集与许多其他机器学习数据集一样，通常受标签不平衡问题困扰。标签不平衡常导致所学模型在输出中复制类似偏差，从而引发对数据集中少数类不公平的问题。本文中，我们通过最大化 F 值而非准确率来应对公平性问题。我们提出 F 值的可微近似，并借助标准反向传播以该目标训练网络。我们在两个标准公平性数据集 Adult 和 Communities and Crime，以及 ATIS 数据集上的语音到意图检测、Speech-COCO 数据集上的语音到图像概念分类上开展实验。在这四项任务中，与采用交叉熵损失函数训练的模型相比，F 值最大化均提升了微平均 F1 分数，绝对提升最高达 8%。在两个多类 SLU 任务中，所提方法显著改善了类覆盖度，即具有正召回率的类别数量。
引用
@article{arxiv.2008.03425,
title = {Deep F-measure Maximization for End-to-End Speech Understanding},
author = {Leda Sarı and Mark Hasegawa-Johnson},
journal= {arXiv preprint arXiv:2008.03425},
year = {2020}
}
备注
Interspeech 2020 submission (Accepted)