SLiCK: Використання підпослідовностей для виявлення ключових слів з обмеженнями довжини

Визначення користувацьких ключових слів на крайньому пристрої з обмеженими ресурсами є складним завданням. Однак ключові слова часто обмежуються максимальною довжиною ключового слова, яка значною мірою не використовувалася в попередніх роботах. Наш аналіз розподілу ключових слів за довжиною показує, що визначення користувальницьких ключових слів можна розглядати як проблему з обмеженням довжини, усуваючи потребу в агрегації тексту змінної довжини. Це призводить до запропонованого нами методу ефективного виявлення ключових слів SLiCK (використання підпослідовностей для виявлення ключових слів з обмеженнями довжини). Крім того, ми впроваджуємо схему зіставлення на рівні підпослідовності, щоб вивчати зв’язки аудіо-тексту з більшою деталізацією, таким чином ефективніше розрізняючи подібні за звучанням ключові слова завдяки розширеному контексту. У SLiCK модель тренується за допомогою багатозадачного підходу до навчання з використанням двох модулів: Matcher (завдання зіставлення на рівні висловлювання, нове завдання зіставлення на рівні підпослідовності) і Encoder (завдання на розпізнавання фонем). Запропонований метод покращує базові результати на жорсткому наборі даних Libriphrase, збільшуючи AUC з 88,52 до 94,9 і знижуючи EER з 18,82 до 11,1.