用于课堂活动检测的双孪生神经网络
音频与语音处理
2020-05-18 v1 机器学习
声音
摘要
课堂活动检测（CAD）旨在准确识别课堂中说话者的角色（教师或学生）。CAD 解决方案有助于教师对其教学指导获得即时反馈。然而，CAD 非常具有挑战性，因为（1）课堂对话包含师生之间许多会话轮替重叠；（2）CAD 模型需要对不同教师和学生具有足够好的泛化能力；（3）课堂录音可能非常嘈杂且质量低下。在本工作中，我们通过构建孪生神经框架来自动识别课堂录音中的教师和学生话语，从而应对上述挑战。所提出的模型在真实世界教育数据集上进行了评估。结果表明：（1）我们的方法在线上和线下课堂环境的预测任务上均表现更优；（2）我们的框架对新教师（即训练数据中从未出现的教师）展现出鲁棒性和泛化能力。
引用
@article{arxiv.2005.07549,
title = {Siamese Neural Networks for Class Activity Detection},
author = {Hang Li and Zhiwei Wang and Jiliang Tang and Wenbiao Ding and Zitao Liu},
journal= {arXiv preprint arXiv:2005.07549},
year = {2020}
}
备注
The 21th International Conference on Artificial Intelligence in Education(AIED), 2020