paper read - 02- 2018 - Dual Language Models for Code Switched Speech Recognition

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