低资源场景下会话语音的真大小写与标点联合预测
计算与语言
2021-09-14 v1 机器学习
摘要
大小写和标点是理解书面文本与会话转写的重要线索。然而，许多 ASR 系统并不产生带标点和大小写格式的语音转写。我们提出使用多任务系统，利用大小写与标点之间的关系来提升它们的预测性能。尽管用于预测标点和真大小写（truecasing）的文本数据看似丰富，我们认为书面文本资源作为会话模型的训练数据是不充分的。我们通过比较标点和词大小写的联合分布，并跨域测试我们的模型，量化了书面与会话文本域之间的失配。此外，我们展示通过在书面文本域训练模型再迁移学习到会话，可用更少的数据获得合理的性能。
引用
@article{arxiv.2109.06103,
title = {Joint prediction of truecasing and punctuation for conversational speech in low-resource scenarios},
author = {Raghavendra Pappagari and Piotr Żelasko and Agnieszka Mikołajczyk and Piotr Pęzik and Najim Dehak},
journal= {arXiv preprint arXiv:2109.06103},
year = {2021}
}
备注
Accepted for ASRU 2021