用于中文拼写纠正的解耦语音表示

中文拼写纠正（CSC）旨在检测并修正中文文本中的错字。尽管已有研究在该任务中引入语音信息（汉语拼音），但它们通常将语音表示与字符表示相融合，这往往会削弱正常文本的表示效果。本文提出将两类特征解耦，以允许文本与语音信息直接交互。为学习有用的语音表示，我们引入拼音到字符目标，要求模型仅基于语音信息预测正确字符，其中施加分离掩码以禁用从语音输入到文本的注意力。为避免对语音的过拟合，我们进一步设计自蒸馏模块以确保语义信息在预测中起主要作用。在三个CSC基准上的大量实验证明了我们的方法在利用语音信息上的优越性。