基于噪声信道模型与深度神经语言模型的不流畅检测
计算与语言
2018-08-29 v1
摘要
本文提出了一种用于自发语音转写文本中不流畅检测的模型，称为 LSTM 噪声信道模型。该模型使用噪声信道模型（NCM）生成 n-best 候选不流畅分析结果，并使用长短期记忆（LSTM）语言模型对每个分析所对应的流利底层句子打分。LSTM 语言模型分数与其他特征一起被用于一个最大熵（MaxEnt）重排序器中，以识别最合理的分析。我们表明，在噪声信道不流畅模型的重排序过程中使用 LSTM 语言模型改进了不流畅检测的当前最优水平。
引用
@article{arxiv.1808.09091,
title = {Disfluency Detection using a Noisy Channel Model and a Deep Neural Language Model},
author = {Paria Jamshid Lou and Mark Johnson},
journal= {arXiv preprint arXiv:1808.09091},
year = {2018}
}