Paper:Dual Language Models for Code Switched Speech Recognition,2018,Interspeech
这篇文章的核心概念是下面这张图:
以前的CS任务,一般是:1检查语种切换点,什么语种就用什么语种的LM;2 建立CS的语料,直接训练。
本文的核心是,如果有CS训练语料,但语料不多,不直接求 P(W2L2|W1L1),而是先求,P(切换|W1L1)和P(W2L2|切换),这样就解决了部分数据稀疏问题。求解核心是下面这张图:
实验语料:SEAME
1.除了L1,L2,如果包含其他语言,不要
2.不完全的词,不要
3.unknown
4.混合词,不要
也就是说,这个方法主要就是看词和词之间的切换
实验方式:
1.Bigram
2.把实验数据copy成两份:L1为主语言时,把所有的L2换成“切换”; L2为主语言时,把所有的L1都换成“切换”。
实验结果:PPL在300的量级上少5-10个点
这个文章中提到好多资源,Related Work, ASR, Tools, 可以好好利用一下