本論文は、中国語-英語のコードスイッチングにおける自動音声認識を改善するための反復擬似ラベリング手法を紹介し、限られたトレーニングデータの課題に対処します。この手法は、擬似ラベルを生成することで半教師ありデータセットを作成し、2段階のバイリンガルモデルトレーニングに未ラベルコーパスを活用します。

フレームワークは3つのフェーズで構成されます: 大規模な未ラベルデータからの擬似ラベル生成、教師ありコードスイッチングデータでの事前学習とファインチューニング、そして複雑なシナリオにおける精度向上のための反復的洗練。

このアプローチはコードスイッチングASRシステムを大きく進展させ、SEAMEのdevmanサブセットで6.35%、devsgeサブセットで8.29%の顕著なMix Error Rateの削減を実現しました。