基于模型的自适应语音识别公平性度量方法
机器学习
2021-09-21 v1 计算机与社会
机器学习
摘要
当自动语音识别（ASR）系统对不同人口子群体的表现不尽相同时，公平性问题便随之产生。在任何 ASR 的公平性度量研究中，如何控制混杂因素、如何处理说话人之间未观测的异质性，以及如何追溯不同子群体间词错误率（WER）差距的来源，都是尤为重要的问题——若处理不当，便会得出错误结论。本文引入混合效应泊松回归，以更好地度量和解释感兴趣子群体间的任何 WER 差异。特别地，所提方法能有效解决上述三个问题，并且在实用的差异分析中非常灵活。我们在合成与真实世界语音数据上验证了该基于模型方法的有效性。
引用
@article{arxiv.2109.09061,
title = {Model-Based Approach for Measuring the Fairness in ASR},
author = {Zhe Liu and Irina-Elena Veliche and Fuchun Peng},
journal= {arXiv preprint arXiv:2109.09061},
year = {2021}
}