面向 ASR 的可扩展多语料神经语言模型
计算与语言
2019-07-04 v1 机器学习
摘要
神经语言模型（NLM）已被证明在自动语音识别（ASR）及其他任务中大幅优于传统的 n-gram 语言模型。然而，要使 NLM 用于实际的大规模 ASR 系统，仍需解决若干挑战。本文针对其中部分挑战给出解决方案，包括从异构语料训练 NLM、限制延迟影响，以及在第二遍重打分器中处理个性化偏置。总体而言，我们展示了在第二遍 n-best 重打分框架中使用神经 LM 可实现 6.2% 的相对 WER 降低，且延迟仅微小增加。
引用
@article{arxiv.1907.01677,
title = {Scalable Multi Corpora Neural Language Models for ASR},
author = {Anirudh Raju and Denis Filimonov and Gautam Tiwari and Guitang Lan and Ariya Rastrow},
journal= {arXiv preprint arXiv:1907.01677},
year = {2019}
}
备注
Interspeech 2019 (accepted: oral)