Retrieval-Augmented Self-Taught Reasoning Model with Adaptive Chain-of-Thought for ASR Named Entity Correction

Created by

Haebom

저자

Junjie An, Jingguang Tian, Tianyi Wang, Yu Gao, Xiaofeng Mou, Yi Xu

💡 개요

본 논문은 자동 음성 인식(ASR) 시스템에서 자주 발생하는 도메인 특화 명칭 오류를 개선하기 위해 새로운 접근 방식을 제안한다. 제안된 방법은 명칭 인식 후 음성학적 편집 거리를 활용한 후보 검색과, 작업 난이도에 따라 추론 깊이를 동적으로 조절하는 적응형 연쇄 사고(A-STAR) 모델을 통합한 검색 증강 생성 프레임워크를 사용한다. 실험 결과, 기존 대비 명칭 오류율을 AISHELL-1 데이터셋에서 17.96%, Homophone 데이터셋에서 34.42% 감소시키는 성과를 보였다.

🔑 시사점 및 한계

•

ASR의 명칭 오류로 인한 하위 작업 실패 문제를 LLM의 추론 능력을 활용하여 해결하는 새로운 프레임워크를 제시한다.

•

phonetic-level edit distance를 이용한 후보 검색과 adaptive chain-of-thought 추론 방식을 결합하여 오류 정정 성능을 크게 향상시킨다.

•

제안된 방법은 특정 도메인의 명칭 오류 정정에 효과적이지만, 다양한 언어 및 음성 환경에서의 일반화 성능에 대한 추가 연구가 필요하다.

PDF 보기

Made with Slashpage