論文の概要: Towards dialect-inclusive recognition in a low-resource language: are balanced corpora the answer?

• arxiv url: http://arxiv.org/abs/2307.07295v1
• Date: Fri, 14 Jul 2023 12:18:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-17 14:13:53.711131
• Title: Towards dialect-inclusive recognition in a low-resource language: are balanced corpora the answer?
• Title（参考訳）: 低リソース言語における方言排他的認識に向けて:バランスの取れたコーパスは答えか?
• Authors: Liam Lonergan, Mengjie Qian, Neasa N\'i Chiar\'ain, Christer Gobl, Ailbhe N\'i Chasaide
• Abstract要約: 本研究は,話者の方言が認識性能に与える影響を定量化するための診断である。 12のASRシステムは、方言バランスの訓練コーパスとベースラインコーパスの修正版を用いて訓練された。 その結果、方言バランスの取れたコーパスは、方言全体で同様のパフォーマンスを得られないことが示唆された。 Co と Mu の方言の間には密接な関係があるが、対称ではないものが存在する。
• 参考スコア（独自算出の注目度）: 5.1121440213561335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ASR systems are generally built for the spoken 'standard', and their performance declines for non-standard dialects/varieties. This is a problem for a language like Irish, where there is no single spoken standard, but rather three major dialects: Ulster (Ul), Connacht (Co) and Munster (Mu). As a diagnostic to quantify the effect of the speaker's dialect on recognition performance, 12 ASR systems were trained, firstly using baseline dialect-balanced training corpora, and then using modified versions of the baseline corpora, where dialect-specific materials were either subtracted or added. Results indicate that dialect-balanced corpora do not yield a similar performance across the dialects: the Ul dialect consistently underperforms, whereas Mu yields lowest WERs. There is a close relationship between Co and Mu dialects, but one that is not symmetrical. These results will guide future corpus collection and system building strategies to optimise for cross-dialect performance equity.
• Abstract（参考訳）: ASRシステムは通常、話し言葉の'標準'のために構築され、その性能は標準でない方言/変種で低下する。 これはアイルランド語のような言語では問題であり、単一の話し言葉の標準はないが、ulster (ul)、connacht (co)、muster (mu)の3つの主要な方言がある。 話者の方言が認識性能に与える影響を定量化する診断法として、まずベースライン方言バランス訓練コーパスを用いて12のASRシステムを訓練し、次にベースラインコーパスの修正版を用いて方言固有の材料を抽出または追加した。 結果は、方言バランスの取れたコーパスは、方言全体で同様のパフォーマンスを得られないことを示している。 Co と Mu の方言の間には密接な関係があるが、対称ではないものが存在する。 これらの結果は,クロスダイアレクティブ・パフォーマンス・エクイティを最適化するための今後のコーパス収集とシステム構築戦略を導くものである。

関連論文リスト

• Voices Unheard: NLP Resources and Models for Yorùbá Regional Dialects [72.18753241750964]
  Yorub'aは、約4700万人の話者を持つアフリカの言語である。 アフリカ語のためのNLP技術開発への最近の取り組みは、彼らの標準方言に焦点を当てている。 我々は、このギャップを埋めるために、新しい高品質のパラレルテキストと音声コーパスを導入する。
  論文  参考訳（メタデータ） (2024-06-27T22:38:04Z)
• Task-Agnostic Low-Rank Adapters for Unseen English Dialects [52.88554155235167]
  LLM(Large Language Models)は、標準アメリカ英語を好んで不均等に重み付けされたコーパスで訓練される。 HyperLoRAは、方言特化情報と方言横断情報を混同することにより、タスクに依存しない方法で未確認の方言への一般化を改善する。
  論文  参考訳（メタデータ） (2023-11-02T01:17:29Z)
• Towards spoken dialect identification of Irish [5.1121440213561335]
  アイルランド語は方言やアクセントの多様性に富んでいる。 アイルランド語ASRの方言バイアスを研究する最近の研究によると、アルスター方言のパフォーマンスはコンナヒト方言やマンスター方言よりも一貫して劣っている。 本研究では,アイルランド語の方言識別について検討し,そのようなシステムを音声認識パイプラインに組み込むことを目的とした。
  論文  参考訳（メタデータ） (2023-07-14T16:03:09Z)
• DADA: Dialect Adaptation via Dynamic Aggregation of Linguistic Rules [64.93179829965072]
  DADAは、多言語対応のSAE訓練モデルに対するモジュラーアプローチである。 DADAは単一タスクと命令言語モデルの両方に有効であることを示す。
  論文  参考訳（メタデータ） (2023-05-22T18:43:31Z)
• Multi-VALUE: A Framework for Cross-Dialectal English NLP [49.55176102659081]
  マルチディレクト (Multi-Dilect) は、50の英語方言にまたがる制御可能なルールベースの翻訳システムである。 ストレステストは、非標準方言の先行モデルに対する顕著な性能格差を示す。 私たちはチカノやインド英語のネイティブスピーカーと提携して、人気のあるCoQAタスクの新しいゴールドスタンダード版をリリースしています。
  論文  参考訳（メタデータ） (2022-12-15T18:17:01Z)
• Dialect-robust Evaluation of Generated Text [40.85375247260744]
  NLG評価指標の目標として,方言の頑健性と方言認識を定式化する。 このスイートを現在の最先端のメトリクスに適用すると、それらが方言ロバストではないことが示される。
  論文  参考訳（メタデータ） (2022-11-02T07:12:23Z)
• A Highly Adaptive Acoustic Model for Accurate Multi-Dialect Speech Recognition [80.87085897419982]
  単一AMを用いた高精度多言語音声認識のための新しい音響モデリング手法を提案する。 提案するAMは、方言情報とその内部表現に基づいて動的に適応し、複数の方言を同時に扱うための高度適応型AMとなる。 大規模音声データセットにおける実験結果から,提案したAMは,方言固有のAMと比較して,単語誤り率(WER)が8.11%,方言固有のAMに比べて7.31%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-05-06T06:07:09Z)
• VALUE: Understanding Dialect Disparity in NLU [50.35526025326337]
  アフリカ・アメリカン・バーナクラ・イングリッシュ(AAVE)の11つの特徴に関するルールを構築した。 言語的アクセプタビリティ判断により,各特徴変換の検証を行うために,流線型AAVE話者を募集する。 実験により、これらの新しい方言の特徴がモデル性能の低下につながることが示された。
  論文  参考訳（メタデータ） (2022-04-06T18:30:56Z)
• The Norwegian Parliamentary Speech Corpus [0.5874142059884521]
  ノルウェー議会演説コーパス(Norwear Parliamentary Speech Corpus、NPSC)は、ノルウェー議会の会議の記録を収録した音声データセットである。 これは、自動音声認識(ASR)システムのトレーニング用に設計された、未記述のノルウェー語音声を含む、初めて公開されたデータセットである。 NPSCの訓練は、基準系から高いWERを持つ方言では一般的に改善が大きくなるため、方言の観点からは「民主化」効果がある。
  論文  参考訳（メタデータ） (2022-01-26T11:41:55Z)
• Learning to Recognize Dialect Features [21.277962038423123]
  本稿では,方言の特徴検出の課題を紹介するとともに,2つのマルチタスク学習手法を提案する。 言語学者は通常、方言の特徴をどのように定義するかに基づいて、モデルを少数の最小のペアでトレーニングします。
  論文  参考訳（メタデータ） (2020-10-23T23:25:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。