基于去相关化的低秩矩阵分解对口语能力的评估方法

• 作者: 林思岑
• 来源期刊: 微型电脑应用
• 关键词: 机器学习 深度神经网络 低秩矩阵分解 口语能力 解相关优化 评估
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 33-36
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.02.011

摘要

口语流利性的自动评分是一个分类问题.训练模型参数,将输入流利性特征映射到对应的真实分数,然后用于预测输入话语的分数.因此,为了估计模型参数以可靠地预测分数,必须提供正确的真实分数作为目标输入.然而,要从人工打分的分数中确定正确的基本事实分数并不简单,因为这些分数包括主观偏见.所以,在此提出了一种基于解相关惩罚低秩矩阵分解的法语口语流利性分数的基本真实值估计方法.该方法将人工评分的得分分解为偏差和潜在得分,最大化皮尔逊相关.最后通过实验证明了该方法的有效性.