基于最优传输的无监督神经自适应语音语言识别模型
机器学习
2020-12-25 v1 计算与语言
声音
音频与语音处理
摘要
由于训练集与测试集之间语音声学统计分布的不匹配，语音语言识别（SLID）的性能可能急剧下降。在本文中，我们提出一种无监督神经自适应模型来处理 SLID 的分布不匹配问题。在我们的模型中，我们明确地将自适应表述为减小训练与测试数据集在特征与分类器上的分布差异。此外，受最优传输（OT）衡量分布差异强大能力的启发，在自适应损失中设计了 Wasserstein 距离度量。通过在训练数据集上最小化分类损失并结合在训练与测试数据集上的自适应损失，降低了训练与测试域之间的统计分布差异。我们在东方语言识别（OLR）挑战语料库上进行了 SLID 实验，其中训练与测试数据集采集自不同条件。我们的结果表明，在跨域测试任务上取得了显著改进。
引用
@article{arxiv.2012.13152,
title = {Unsupervised neural adaptation model based on optimal transport for spoken language identification},
author = {Xugang Lu and Peng Shen and Yu Tsao and Hisashi Kawai},
journal= {arXiv preprint arXiv:2012.13152},
year = {2020}
}