面向多方面发音评估的分数均衡损失

随着技术的快速发展，自动发音评估已转向从多方面（如流利度与重音）评估发音的系统。然而，尽管各方面内分数标签高度不平衡，现有研究很少处理数据不平衡问题。本文中，我们提出一种新颖的损失函数——分数均衡损失，以解决由数据不均（如偏向多数分数）所引起的问题。作为一种重加权方法，当预测分数属于少数类时我们赋予更高代价，从而引导模型对稀疏分数预测获得正向反馈。具体而言，我们利用有效样本数的概念并使用分数秩设计了两个加权因子。我们在 speechocean762 数据集上评估了我们的方法，该数据集在若干方面具有显著不平衡的分数。在不平衡方面上改进的结果证明了我们方法的有效性。