BriefGPT - AI 论文速递
·
多语种 ASR 中新语种整合的低秩自适应双通道模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了ICASSP Signal Processing Grand Challenge 2023中Spoken Language Understanding Grand Challenge的低资源领域适应赛道中的系统。使用ASR和NLU的流水线方法，通过微调Whisper和BART实现ASR和NLU。应用了MLM-based数据增强和基于检索的方法。在reminder/weather领域实现了63.3/75.0的精确匹配准确率，获得第一名。
🎯
关键要点
- 本文介绍了ICASSP Signal Processing Grand Challenge 2023中的Spoken Language Understanding Grand Challenge的低资源领域适应赛道中的系统。
- 采用ASR和NLU的流水线方法进行系统构建。
- 对Whisper进行微调以实现ASR，并对BART进行微调以实现NLU。
- 应用了基于MLM的遮蔽LM数据增强和基于检索的方法。
- 在reminder/weather领域实现了63.3/75.0的精确匹配准确率，平均为69.15。
- 在挑战中获得了第一名。
➡️
