Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.02153v1

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2306.02153v1 (cs)
[提交于 2023年6月3日 ]

标题: 声学词嵌入用于未转录目标语言的持续预训练和学习池化

标题: Acoustic Word Embeddings for Untranscribed Target Languages with Continued Pretraining and Learned Pooling

Authors:Ramon Sanabria, Ondrej Klejch, Hao Tang, Sharon Goldwater
摘要: 声学词嵌入通常是通过使用类似单词的单元对来训练池化函数创建的。 对于无监督系统,这些是通过k最近邻(KNN)搜索挖掘出来的,这很慢。 最近,建议使用预训练的自监督英语模型的均值池化表示作为有前途的替代方法,但它们在目标语言上的表现并未完全具有竞争力。 在此,我们探索了这两种方法的改进:我们使用持续预训练将自监督模型适应到目标语言,并使用多语言音素识别器(MPR)来挖掘音素n-gram对以训练池化函数。 在四种语言上进行评估,我们证明这两种方法在单词区分上都优于一种近期的方法。 此外,MPR方法比KNN快几个数量级,并且数据效率很高。 我们还展示了在持续预训练表示之上进行学习池化带来了一点改进。
摘要: Acoustic word embeddings are typically created by training a pooling function using pairs of word-like units. For unsupervised systems, these are mined using k-nearest neighbor (KNN) search, which is slow. Recently, mean-pooled representations from a pre-trained self-supervised English model were suggested as a promising alternative, but their performance on target languages was not fully competitive. Here, we explore improvements to both approaches: we use continued pre-training to adapt the self-supervised model to the target language, and we use a multilingual phone recognizer (MPR) to mine phone n-gram pairs for training the pooling function. Evaluating on four languages, we show that both methods outperform a recent approach on word discrimination. Moreover, the MPR method is orders of magnitude faster than KNN, and is highly data efficient. We also show a small improvement from performing learned pooling on top of the continued pre-trained representations.
评论: 被国际语音会议2023接收
主题: 计算与语言 (cs.CL) ; 机器学习 (cs.LG); 声音 (cs.SD); 音频与语音处理 (eess.AS)
引用方式: arXiv:2306.02153 [cs.CL]
  (或者 arXiv:2306.02153v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.02153
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ramon Sanabria [查看电子邮件]
[v1] 星期六, 2023 年 6 月 3 日 16:44:21 UTC (479 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs
cs.LG
cs.SD
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号