Система отбора агентических данных для многоязыковой АСР с помощью лингвистическо-показательной ошибки - оптимизация

arXiv: 261 030,365338v 1 Annuaire Type: New Habrial: Multilitary Intermative Language Classification (ASR) быстро продвигается вперед с использованием крупномасштабных предварительно подготовленных моделей и многоязычной речевой корпорации. Предыдущие исследования доказали ключевую роль выборки данных в многоязычной АСО. Вместе с тем существующие стратегии отбора проб в значительной степени зависят от трудоемкого руководства, основанного на эвристических подходах. Для решения этой проблемы мы предлагаем систему лингвистическо-показательного агентского отбора данных, которая ввела бы в многоязычный учебный цикл АСР элемент выборки данных ЛМЗ. Этот агент управляется лингвистически основанной рубрикой, в которой анализируются ошибки АСР с фонологической, морфологической и синтатической точек зрения и используется получаемая от них обратная связь наряду со статистикой профессиональной подготовки, бюджетными ограничениями и алгоритмами для отбора стратегий выборки на уровне домена, выборочного уровня и символического уровня. Эта структура превращает результаты оценки в адаптивные решения об отборе данных, вместо того чтобы рассматривать WER/CES как окончательный конценпои