자동 음성 인식(ASR)에서 사용자 특정 구문이나 개체와 같은 외부 지식을 통합하여 문맥적 편향이 성능을 향상시킨다. 본 논문에서는 ASR 인코더가 추출한 음향 정보를 기반으로 후보 구문에 대한 점수를 생성하는 어텐션 기반 편향 디코더를 사용한다. 이 점수는 가능성이 낮은 구문을 필터링하고 얕은 융합 편향에 대한 보너스를 계산하는 데 사용된다. 실제 정답 구문에 대해서는 더 높은 점수를 부여하고, 오답에 대해서는 억제하는 토큰별 차별적 목적 함수를 도입한다. Librispeech 편향 벤치마크 실험 결과, 제안하는 방법은 후보 구문의 대부분을 효과적으로 필터링하며, 얕은 융합 편향에 점수를 사용할 때 다양한 편향 조건에서 인식 정확도를 크게 향상시킨다. 제안하는 방법은 모듈 방식이며 모든 ASR 시스템에 사용할 수 있고, 필터링 메커니즘은 다른 편향 방법의 성능을 향상시킬 수 있다.
