利用语义词汇特征改进语句的设备指向性分类
音频与语音处理
2020-10-06 v1 计算与语言
机器学习
声音
摘要
用户与 Alexa、Google Home 和 Siri 等个人助理的交互通常由唤醒词或唤醒术语发起。若干个人助理具有“后续”模式，允许用户在无需唤醒词的情况下进行额外交互。为使系统仅在适当时响应并忽略非针对它的语音，必须将语句分类为设备指向或非设备指向。最先进的系统主要使用声学特征完成此任务，而其他系统仅使用词汇特征或添加了基于 LM 的词汇特征。我们提出一种将语义词汇特征与轻量声学特征相结合的指向性分类器，并证明其能有效分类指向性。这种混合域词汇与声学特征模型相较最先进的纯声学基线模型实现了 14% 的 EER 相对降低。最后，我们成功将该模型应用迁移学习与半监督学习以进一步提高准确率。
引用
@article{arxiv.2010.01949,
title = {Improving Device Directedness Classification of Utterances with Semantic Lexical Features},
author = {Kellen Gillespie and Ioannis C. Konstantakopoulos and Xingzhi Guo and Vishal Thanvantri Vasudevan and Abhinav Sethy},
journal= {arXiv preprint arXiv:2010.01949},
year = {2020}
}
备注
Accepted and Published at ICASSP 2020