使用Confusion2Vec的语音意图检测
计算与语言
2019-10-24 v3 声音
音频与语音处理
摘要
解码说话人意图是口语理解(SLU)的关键部分。在现实场景中，文本转录中的噪声或错误使得任务更具挑战性。本文针对自动语音识别(ASR)系统带来的噪声条件下的口语意图检测问题。我们提出使用confusion2vec词特征表示来补偿ASR产生的错误，并提高SLU系统的鲁棒性。Confusion2vec受人类语音产生和感知的启发，除了人类语言中词语的语义和句法关系外，还建模了词语之间的声学关系。我们假设ASR经常犯与声学相似词语相关的错误，而confusion2vec具有词语间声学关系的内在模型，能够补偿这些错误。通过在ATIS基准数据集上的实验，我们证明了所提模型在噪声ASR条件下的鲁棒性，并取得了最先进的结果。与之前的最先进方法相比，我们的系统将分类错误率(CER)降低了20.84%，并将鲁棒性提高了37.48%（更低的CER退化），从干净转录到噪声转录。在噪声转录上训练意图检测模型也展示了改进。
引用
@article{arxiv.1904.03576,
title = {Spoken Language Intent Detection using Confusion2Vec},
author = {Prashanth Gurunath Shivakumar and Mu Yang and Panayiotis Georgiou},
journal= {arXiv preprint arXiv:1904.03576},
year = {2019}
}