arXiv NLP·14 天前★ 2

研究：ASR 式转写归一化会削弱对话行为分类的有用信号

原文标题：ASR-Style Transcript Normalization Removes Useful Pragmatic Signal for Dialogue Act Classification

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文在三种对话语料、六种分类器上评估九种转写条件，发现重度归一化在全部 15 个神经模型-语料组合上都降低 Macro-F1。去除标点使 Switchboard 与 MRDA 的 Macro-F1 分别下降 0.036 与 0.078；仅去除 um、uh、erm 时 MRDA 仍受损，而 SLUE-HVB 的影响基本消失。结论是归一化效果依赖预处理定义与对话语境，应按任务区别处理。

论文速读 · 四段结构cs.CL去论文速读 →

问题: ASR 转写归一化是否丢掉对话行为分类所需线索。
方法: 在三种语料、六种分类器上对比九种转写条件，并做多种子与真实 ASR 验证。
结果: 重度归一化在全部 15 个神经模型-语料组合上降低 Macro-F1；去标点使 Switchboard 与 MRDA 分别降 0.036 与 0.078。
影响: 语音对话系统不应无差别清洗转写，需按任务定制预处理。

所属主题基准测试5

#学术研究 #语音识别 #对话行为分类 #文本归一化 #基准测试

阅读原文 +0

AI 处理过程展开/收起

原始标题：ASR-Style Transcript Normalization Removes Useful Pragmatic Signal for Dialogue Act Classification

AI 中文标题：研究：ASR 式转写归一化会削弱对话行为分类的有用信号

来源：arXiv NLP · 发布于 14 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：语音识别 / 对话行为分类 / 文本归一化 / 基准测试

关键词：ASR 转写归一化 / 对话行为分类 / 语音识别 / 标点恢复 / NLP 评测

AI 处理：2026/10/19 12:30:14 · 模型 deepseek-chat · 规则版本 2026-10-10.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。