计算机科学 > 计算与语言
[提交于 2023年6月5日
]
标题: BeAts:使用多模态注意力融合的孟加拉语言语行为识别
标题: BeAts: Bengali Speech Acts Recognition using Multimodal Attention Fusion
摘要: 口语语言常常利用语调、节奏、强度和结构来传达意图,而这些意图会根据话语的节奏不同而有不同的解释。 这些言语行为构成了交流的基础,并在表达上因语言而异。 最近基于注意力的模型取得了进展,显示出它们从多语言数据集中学习强大表示的能力,在语音任务中表现良好,非常适合在资源较少的语言中建模特定任务。 在这里,我们开发了一种新颖的多模态方法,结合了wav2vec2.0音频模型和MarianMT文本翻译模型,通过多模态注意力融合来预测我们准备的孟加拉语语音语料库中的言语行为。 我们还表明,我们的模型BeAts($\underline{\textbf{Be}}$ngali speech acts recognition using Multimodal$\underline{\textbf{At}}$tention Fu$\underline{\textbf{s}}$ion)显著优于仅使用语音数据的单模态基线以及使用语音和文本数据的简单双模态融合。 项目页面:https://soumitri2001.github.io/BeAts
文献和引用工具
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
推荐器和搜索工具
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.