半监督方法改进英汉码切换语音识别的研究
计算与语言
2018-06-19 v1
摘要
在本文中，我们展示了在东南亚普通话-英语(SEAME)数据上，从词典学习到声学建模，使用半监督训练方法改进码切换(code-switching)语音识别系统性能的整体努力。我们首先研究半监督词典学习方法来适配规范词典，以缓解当地码切换对话中严重的口音发音问题。结果，学习到的词典带来了性能提升。此外，我们尝试使用半监督训练来处理人工转写员与ASR系统之间高度不匹配的转写文本。具体而言，我们将那些转写质量差的数据视为无监督数据来进行半监督训练。我们发现半监督声学建模可带来改进结果。最后，为弥补传统n-gram语言模型因数据稀疏问题带来的局限，我们使用神经网络语言模型进行格点重打分(lattice rescoring)，并获得了显著的词错率(WER)降低。
引用
@article{arxiv.1806.06200,
title = {Study of Semi-supervised Approaches to Improving English-Mandarin Code-Switching Speech Recognition},
author = {Pengcheng Guo and Haihua Xu and Lei Xie and Eng Siong Chng},
journal= {arXiv preprint arXiv:1806.06200},
year = {2018}
}
备注
5pages, 3 figures, INTERSPEECH 2018