为保持音位区分的序数回归：一种用于自动发音评估的新损失函数
音频与语音处理
2023-10-05 v2 计算与语言
声音
摘要
自动发音评估（APA）旨在量化第二语言（L2）学习者的发音熟练度。主流 APA 方法通常利用以回归损失函数（如均方误差（MSE）损失）训练的神经网络进行熟练度等级预测。尽管大多数回归模型能有效捕捉特征空间中熟练度等级的序数性，它们面临一个主要障碍：具有相同熟练度等级的不同音素类别不可避免地被迫彼此接近，保留了较少的音素判别信息。鉴于此，我们设计了一种音素对比序数（PCO）损失用于训练基于回归的 APA 模型，其旨在更好地保持音素类别间的音位区分，同时考虑回归目标输出的序数关系。具体而言，我们在 MSE 损失中引入音素区分正则化项，其通过加权距离鼓励不同音素类别的特征表示彼此远离，同时拉近属于同一音素类别的表示。在 speechocean762 基准数据集上开展的大量实验表明了我们的模型相对于一些现有最先进模型的可行性与有效性。
引用
@article{arxiv.2310.01839,
title = {Preserving Phonemic Distinctions for Ordinal Regression: A Novel Loss Function for Automatic Pronunciation Assessment},
author = {Bi-Cheng Yan and Hsin-Wei Wang and Yi-Cheng Wang and Jiun-Ting Li and Chi-Han Lin and Berlin Chen},
journal= {arXiv preprint arXiv:2310.01839},
year = {2023}
}
备注
Accepted by ASRU 2023