एक अध्ययन संसाधनों की कमी वाले धिवेही के लिए स्वचलित भाषा पहचान (ASR) को बेहतर बनाने के लिए सिंहली से अंतर-भाषाई स्थानांतरण शिक्षण का उपयोग करने की जांच करता है। शोधकर्ताओं ने आधार रेखाओं और बहुभाषी सूक्ष्म-अनुकूलन सहित पाँच परिदृश्यों में सत्रह प्रयोग किए।
- सबसे मजबूत सिस्टम ने सिंहली पर निरंतर पूर्व-प्रशिक्षण का उपयोग किया, जिसके बाद KenLM के साथ धिवेही पर सूक्ष्म-अनुकूलन किया गया।
- इस दृष्टिकोण ने 12.89% शब्द त्रुटि दर (WER) और 2.70% वर्ण त्रुटि दर (CER) हासिल की।
- यह केवल धिवेही आधार रेखा से 13.50% WER और 3.02% CER में बेहतर था।
- एक तुर्की नियंत्रण ने पुष्टि की कि सुधार भाषाई संबंध से आते हैं, सामान्य अनुकूलन से नहीं।
परिणाम दर्शाते हैं कि उपयुक्त डिकोडिंग विन्यासों के साथ संयोजन में, एक भाषाई रूप से संबंधित भाषा से स्थानांतरण शिक्षण कम-संसाधन ASR प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।