说话语言理解中的跨分布 generalizes
计算与语言
2024-09-30 v1 声音
音频与语音处理
摘要
当测试数据与训练数据出现意外差异时,即被称为跨分布 (OOD) 数据,是机器学习实际应用中常见的挑战。尽管近年来对 OOD generalisation 有广泛关注,但针对说话语言理解 (SLU) 任务的工作仍寥寥无几。为促进此领域研究,我们介绍了修改版流行 SLU 数据集 SLURP 的版本,提供用于测试 SLU 任务中 OOD generalisation 的数据划分。我们将修改后的数据集称为 SLURP For OOD generalisation,简称 SLURPFOOD。利用我们的 OOD 数据划分,我们发现端到端 SLU 模型在 generalisation 能力有限。此外,通过运用模型可解释性技术,我们阐明了模型 generalisation 困难的Contributing因素。为提升 generalisation,我们实验了两种技术,这些技术在部分划分上改善了结果,但并非所有划分,强调亟需新技术。
引用
@article{arxiv.2407.07425,
title = {Out-of-distribution generalisation in spoken language understanding},
author = {Dejan Porjazovski and Anssi Moisio and Mikko Kurimo},
journal= {arXiv preprint arXiv:2407.07425},
year = {2024}
}
备注
Accepted for INTERSPEECH 2024