语音转写文本的神经成分句法分析
计算与语言
2020-04-13 v4
摘要
本文研究神经自注意力句法分析器在转写语音上的性能。语音呈现出书面文本中未出现的句法分析挑战，例如缺乏标点和存在言语不流畅现象（包括填充停顿、重复、修正等）。不流畅现象对常规句法分析器尤其成问题，它们通常完全无法找到任何 EDITED 不流畅节点。这促使了专门的不流畅检测系统的发展，以及为分析器添加专门机制以处理不流畅现象。然而，我们在此表明神经分析器能够找到 EDITED 不流畅节点，且最佳神经分析器找到它们的准确率超越了专门的不流畅检测系统，从而使这些专门机制变得不必要。本文还研究了一种对 EDITED 节点赋予更高权重的改进损失函数，并描述了通过提供不流畅现象与句法信息的替代编码来简化不流畅检测任务的树变换。
引用
@article{arxiv.1904.08535,
title = {Neural Constituency Parsing of Speech Transcripts},
author = {Paria Jamshid Lou and Yufei Wang and Mark Johnson},
journal= {arXiv preprint arXiv:1904.08535},
year = {2020}
}