并非所有错误都相等：阿尔茨海默病检测中语音识别错误的调查
计算与语言
2024-12-10 v1 人工智能
机器学习
神经元与认知
摘要
自动语音识别 (ASR) 在基于语音的阿尔茨海默病 (AD) 自动检测中发挥着重要作用。然而，识别错误可能在下游传播，潜在影响检测决策。近期研究揭示了词错误率 (WER) 与 AD 检测性能之间存在非线性关系，其中即使 ASR 转录出现显著错误，仍可能获得相当于基于手动转录的 AD 检测准确率。本工作提出了一系列分析，以探讨 ASR 转录错误在基于 BERT 的 AD 检测系统中的影响。我们的调查结果表明，並非所有 ASR 错误对检测性能都贡献相等。某些词语，如停用词，尽管构成大比例的错误，却在区分 AD 时发挥有限作用。相比之下，与诊断任务相关的关键词显示出显著更大的重要性。这些发现为 ASR 错误与下游检测模型之间的相互作用提供了见解。
引用
@article{arxiv.2412.06332,
title = {Not All Errors Are Equal: Investigation of Speech Recognition Errors in Alzheimer's Disease Detection},
author = {Jiawen Kang and Junan Li and Jinchao Li and Xixin Wu and Helen Meng},
journal= {arXiv preprint arXiv:2412.06332},
year = {2024}
}
备注
Accepted by IEEE ISCSLP 2024