用于语音识别的领域感知神经语言模型
计算与语言
2021-02-18 v2 声音
音频与语音处理
摘要
随着语音助手日益普及,人们越来越期望它们能在跨不同领域的广泛用例上提供支持并表现良好。我们提出了一种适用于生产环境中第二遍重打分阶段实现领域自适应的领域感知重打分框架。在我们的框架中,我们在多个领域上对领域通用神经语言模型进行微调,并使用基于 LSTM 的领域分类模型来选择适当的领域自适应模型用于第二遍重打分。与领域通用重打分相比,该领域感知重打分在三个独立领域——购物、导航和音乐——上将词错误率降低了至多 2.4%,将槽位词错误率降低了至多 4.1%。这些改进是在保持通用用例准确性的同时获得的。
引用
@article{arxiv.2101.03229,
title = {Domain-aware Neural Language Models for Speech Recognition},
author = {Linda Liu and Yile Gu and Aditya Gourav and Ankur Gandhe and Shashank Kalmane and Denis Filimonov and Ariya Rastrow and Ivan Bulyko},
journal= {arXiv preprint arXiv:2101.03229},
year = {2021}
}
备注
ICASSP 2021