低资源口语理解的元辅助学习

高英英、冯俊兰、邓超、张士雷

口语理解（SLU）将自动语音识别（ASR）和自然语言理解（NLU）视为一项统一的任务，通常存在数据稀缺的问题。我们开发了一种基于元辅助学习的ASR和NLU联合训练方法，仅利用语音数据丰富的人工转录来提高低资源SLU任务的性能。这种方法的一个明显优点是，它提供了一个灵活的框架来实现低资源SLU训练任务，而不需要访问任何进一步的语义注释。特别地，采用NLU模型作为标签生成网络，从文本中预测意图和槽标签；多任务网络从语音中同步训练ASR任务和SLU任务；并将标签生成网络的预测作为语义目标传递给多任务网络。通过在公共CATSLU数据集上的实验，验证了该算法的有效性，为下游NLU任务生成了更合适的ASR假设。

doi:10.21437/Interspeech.2022-916

引用为：高，Y.，Feng，J.，Deng，C.，Zhang，S.（2022）《低资源口语理解的元辅助学习》。程序。Interspeech 2022，2703-2707，doi:10.21437/Interspeech 2022-916

@正在进行{gao22对话，author={高英英、冯俊兰、邓超、张士雷}，title={{低资源口语理解元辅助学习}}，年=2022年，booktitle={Proc.Interspeech 2022}，页码={2703--2707}，doi={10.21437/Interspeech.2022-916}，issn={2958-1796}}