使用自相关神经网络的不流畅检测
计算与语言
2020-04-13 v3
摘要
近年来，自然语言处理社区已远离针对特定任务的特征工程（即研究者为各种任务发现临时特征表示），转而支持能自行学习输入表示的通用方法。然而，当前自发语音转写文本中不流畅检测的最优方法仍依赖于一系列手工特征，以及从已有系统（如语言模型或依存句法分析器）输出中导出的其他表示。作为替代，本文提出了一种简单而有效的自动不流畅检测模型，称为自相关神经网络（ACNN）。该模型使用卷积神经网络（CNN），并在最底层加入一种新的自相关算子，以捕获作为言语修复不流畅特征的“粗略复制”依赖。在实验中，ACNN 模型在不流畅检测任务上以 f-score 提升 5% 优于基线 CNN，接近该任务此前的 best result。
引用
@article{arxiv.1808.09092,
title = {Disfluency Detection using Auto-Correlational Neural Networks},
author = {Paria Jamshid Lou and Peter Anderson and Mark Johnson},
journal= {arXiv preprint arXiv:1808.09092},
year = {2020}
}