关于同源生成模型的稳健性

温斯顿·吴,大卫·亚罗斯基

摘要
我们评估了两种流行的神经同源生成模型对几种人类可信噪声（删除、复制、交换和键盘错误，以及一种新型错误，语音错误）的鲁棒性。我们发现，重复和语音替换的危害最小，而其他类型的错误则有害。我们针对每种错误类型对模型的结果进行了深入分析，以解释这些模型的表现方式和原因。
选集ID：
2022.lrec-1.458年
体积：
第十三届语言资源与评价会议记录
月份：
六月
年份：
2022
地址：
法国马赛
编辑：
尼科莱塔·卡尔佐拉里,弗雷德里克·贝歇（Frédéric Béchet）,菲利普·布莱切,哈立德·乔克里,克里斯托弗·西埃里,蒂埃里·德克勒克,萨拉·戈吉,Hitoshi Isahara先生,本特·梅加德,约瑟夫·马里亚尼,赫莱内·马佐,简·奥迪克,Stelios Piperidis公司
地点：
LREC公司
SIG公司：
出版商：
欧洲语言资源协会
注：
页：
4299–4305
语言：
网址：
https://aclantology.org/2022.lrec-1.458
内政部：
比比键：
引用（ACL）：
Winston Wu和David Yarowsky。2022关于同源生成模型的稳健性.英寸第十三届语言资源与评价会议记录，第4299–4305页，法国马赛。欧洲语言资源协会。
引用（非正式）：
关于同源生成模型的稳健性（Wu&Yarowsky，LREC 2022）
复制引文：
PDF格式：
https://aclantology.org/2022.lrec-1.458.pdf
PDF格式 引用 搜索