Adapting the NICT-JLE Corpus for Disfluency Detection Models

要約

発話中によく見られる、ためらい、繰り返し、誤開始などの流暢さの検出は、広く研究されている分野である。Switchboardコーパスを使った標準的な評価プロセスにより、モデルの性能は各アプローチ間で容易に比較することができます。しかし、学習者の発話を対象とした失行検出の研究では、このようなデータセットのアクセスポリシーが制限されているため、比較やその後の改良モデルの開発が困難である。この問題を解決するために、本稿では、約300時間に及ぶ英語学習者の口頭習熟度テストを収録したNICT-JLEコーパスを、失行検出モデルの訓練と評価に適した形式に適合させたことについて述べる。NICT-JLEコーパスとSwitchboardコーパスの相違点を探った後、NICT-JLEコーパスのタグセットとメタフィーチャへの適応の詳細な概要を説明する。その結果、標準化された訓練セット、ホールドアウトセット、テストセットが得られ、今後の学習者音声の流暢性検出の研究に役立てることができる。

要約(オリジナル)

The detection of disfluencies such as hesitations, repetitions and false starts commonly found in speech is a widely studied area of research. With a standardised process for evaluation using the Switchboard Corpus, model performance can be easily compared across approaches. This is not the case for disfluency detection research on learner speech, however, where such datasets have restricted access policies, making comparison and subsequent development of improved models more challenging. To address this issue, this paper describes the adaptation of the NICT-JLE corpus, containing approximately 300 hours of English learners’ oral proficiency tests, to a format that is suitable for disfluency detection model training and evaluation. Points of difference between the NICT-JLE and Switchboard corpora are explored, followed by a detailed overview of adaptations to the tag set and meta-features of the NICT-JLE corpus. The result of this work provides a standardised train, heldout and test set for use in future research on disfluency detection for learner speech.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL