Speech2Vec：一个从语音学习词嵌入的序列到序列框架
计算与语言
2018-06-12 v2
摘要
在本文中，我们提出了一种新颖的深度神经网络架构 Speech2Vec，用于学习从语音语料库中截取的音频片段的定长向量表示，其中向量包含与底层口语词汇相关的语义信息，并且如果其对应的底层口语词汇在语义上相似，则它们在嵌入空间中彼此接近。所提出的模型可视为 Word2Vec 的语音版本。其设计基于 RNN Encoder-Decoder 框架，并借鉴了 skipgrams 或 continuous bag-of-words 的训练方法。直接从语音学习词嵌入使得 Speech2Vec 能够利用纯文本中不存在的、由语音携带的语义信息。在 13 个广泛使用的词相似度基准上对所学到的词嵌入进行了评估与分析，其表现优于 Word2Vec 从转录文本中学到的词嵌入。
引用
@article{arxiv.1803.08976,
title = {Speech2Vec: A Sequence-to-Sequence Framework for Learning Word Embeddings from Speech},
author = {Yu-An Chung and James Glass},
journal= {arXiv preprint arXiv:1803.08976},
year = {2018}
}
备注
Accepted to Interspeech 2018; camera-ready version. arXiv admin note: text overlap with arXiv:1711.01515