LARD：大规模人工不流畅生成
计算与语言
2022-05-04 v2
摘要
不流畅检测是实时对话系统中的关键任务。然而，尽管其重要，该领域仍相对未被充分探索，主要由于缺乏合适的数据集。同时，现有数据集存在诸多问题，包括类不平衡问题，正如本文所展示的，这会显著影响模型在稀有类上的性能。为此，我们提出 LARD，一种以极小代价生成复杂且真实的人工不流畅的方法。所提方法可处理三种最常见的不流畅类型：重复、替换与重启。此外，我们发布了一个含不流畅的新大规模数据集，可用于四项不同任务：不流畅检测、分类、抽取与纠正。在 LARD 数据集上的实验结果表明，所提方法生成的数据可有效用于不流畅的检测与去除，同时也解决了现有数据集的局限性。
引用
@article{arxiv.2201.05041,
title = {LARD: Large-scale Artificial Disfluency Generation},
author = {T. Passali and T. Mavropoulos and G. Tsoumakas and G. Meditskos and S. Vrochidis},
journal= {arXiv preprint arXiv:2201.05041},
year = {2022}
}
备注
Accepted at LREC 2022