更差的 WER，却更好的 BLEU？利用词嵌入作为多任务端到端语音翻译的中间表示
计算与语言
2020-07-07 v2
摘要
语音翻译（ST）旨在学习从源语言语音到目标语言文本的变换。先前的研究表明，多任务学习能够提升 ST 性能，其中识别解码器生成源语言文本，翻译解码器基于识别解码器的输出获得最终译文。由于识别解码器的输出是否具有正确语义比其准确程度更为关键，我们提出通过利用词嵌入作为中间表示来改进多任务 ST 模型。
引用
@article{arxiv.2005.10678,
title = {Worse WER, but Better BLEU? Leveraging Word Embedding as Intermediate in Multitask End-to-End Speech Translation},
author = {Shun-Po Chuang and Tzu-Wei Sung and Alexander H. Liu and Hung-yi Lee},
journal= {arXiv preprint arXiv:2005.10678},
year = {2020}
}
备注
Accepted by ACL 2020