В этой статье представлен метод итеративной псевдометки для улучшения автоматического распознавания речи при переключении мандаринско-английских кодов, решающий проблему ограниченных обучающих данных. Метод использует немеченые корпусы, генерируя псевдометки для создания полуобучаемого набора данных для двухэтапного обучения двуязычной модели.
Фреймворк состоит из трех фаз: генерация псевдометок из больших немеченых данных, предварительное обучение с последующим дообучением на размеченных данных с переключением кодов и итеративные уточнения для повышения точности в сложных сценариях.
Этот подход значительно продвигает системы распознавания речи с переключением кодов, достигая заметного снижения Mix Error Rate на 6.35% на подмножестве devman SEAME и на 8.29% на подмножестве devsge.