基于双向LSTM的不流畅检测
计算与语言
2016-04-13 v1
摘要
我们提出了一种使用双向长短期记忆神经网络(BLSTM)进行不流畅检测的新方法。除词序列外，该模型还以模式匹配特征作为输入，这些特征旨在降低训练中对词汇量的敏感度，从而比仅使用词序列获得更好性能。BLSTM除了利用标准的修复前状态(reparandum states)外，还利用了显式的修复状态(repair states)。最终输出利用整数线性规划来融入不流畅结构的约束。在Switchboard语料库上的实验表明，该模型在标准不流畅检测任务和纠正检测任务上均达到了最先进性能。分析显示，该模型对非重复不流畅的检测更好，这类不流畅往往更难检测。
引用
@article{arxiv.1604.03209,
title = {Disfluency Detection using a Bidirectional LSTM},
author = {Vicky Zayats and Mari Ostendorf and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:1604.03209},
year = {2016}
}
备注
Submitted to INTERSPEECH 2016