面向任务的对话作为自我监督的自动语音识别催化剂
原文中文,约200字,阅读约需1分钟。发表于: 。通过对话的对比学习方法,在不成功的对话中发现易于检测的问题,从而提高自动语音识别模型在任务导向对话中的性能。
本文介绍了一种基于神经网络的会话自动语音识别模型,使用潜变量模块学习会话角色偏好和主题连贯性,并使用主题模型来预测主题中的单词。实验结果显示,该模型在两个汉语任务上相对字符错误率降低了最多12%。
通过对话的对比学习方法,在不成功的对话中发现易于检测的问题,从而提高自动语音识别模型在任务导向对话中的性能。
本文介绍了一种基于神经网络的会话自动语音识别模型,使用潜变量模块学习会话角色偏好和主题连贯性,并使用主题模型来预测主题中的单词。实验结果显示,该模型在两个汉语任务上相对字符错误率降低了最多12%。