英语口语重复修正检错中语法网络和搜索过滤算法研究.pdfVIP

第十一届全国人机语音通讯学术会议 英语口语重复修正检错中语法网络和搜索过滤算法研究 黄申，李宏言，王士进，徐波 (中国科学院 自动化所研究所 数字内容技术研究中心，北京 100190) 摘 要: 针对口语重复修正检错这一计算机辅助语言学习中 训练，构造多元线性或神经网络等非线性回归模 [1] 的难点，提出一种基于音节WFST网络的容错对齐和搜索过 型。如 Cucchiarini 等人在该领域早期的研究 ， [2] 滤算法。该算法将对齐后识别结果中邻近匹配词所对应的 以及目前在 ETS 考试中采用的 TOFEL iBT 系统。 脚本建立上述语法网络进行二次识别下的容错对齐，得到 流利检错是一种更加贴近应用的方法。定义为 的候选reparandum和repair作为搜索过滤的查询和模板。 利用语音识别技术自动检测学习者不流利部分出 最终，重复修正检错结果由搜索过滤算法的置信度决定。 现的位置、持续时间、错误类型等，以期于提供 为此，本文提出了基于顺序假设的k-difference算法和基 快速准确的反馈。一般来讲，不流利现象可分为 于随机假设的n-gram算法。实验表明，不使用二次容错对 错误停顿、重复修正、插入语气等，而本文只围 齐时，以音节为建模单元的多n-gram混合搜索过滤取得了 绕重复修正检错。如图 1 所示，目前对于重复修 相对最优的结果；使用二次容错对齐时，能够获得 正的研究多基于 Shriberg 给出的定义[3]，共分为 F-measure 3-4个点的进一步提升。 三部分：reparandum (被修改部分)，interregnum 关键词： 计算机辅助语言学习;流利度 (插入语), repair (替换部分)。本研究的目的就 中图分类号：TP391 是要利用识别技术自动检出 reparandum，给学习 者提供快速，准确的反馈。 Research on repair filtering and grammar network on automatic detection of disfluency 图1 重复修正不流利语句的组成 HUANG Shen, LI Hongyan, WANG Shijin, XU Bo 相比发音诊断和流利评估，围绕流利诊断的 (Digital Information Research Center, Institute automation, Chinese Academy of Science，100190，China) 研究却提及较少。以 SRI 为代表的研究单位[3,4] 虽然利用改进的 Hidden Event 语言