Кіріспе
Компьютерлік тіл өңдеу метрикасы Word қателік деңгейі (WER) - сөйлеуді тану немесе машиналық аударма жүйесінің тиімділігінің жалпы метрикасы. Орындауды өлшеудің жалпы қиындығы танылған сөз тізбегінің сілтеме сөз тізбегінен (сұралғанда дұрыс) басқа ұзындығы болуы мүмкін деген сөз тізбегінде жатыр. WER Левенштейн қашықтығынан алынған, фонема деңгейінің орнына сөз деңгейінде жұмыс істейді. WER әртүрлі жүйелерді салыстыру үшін, сондай-ақ бір жүйедегі жақсартуларды бағалау үшін құнды құрал болып табылады. Алайда, бұл өлшеулер аударма қателерінің сипаты туралы толық мәлімет бермейді, сондықтан қателердің негізгі көздерін анықтау және зерттеу жұмыстарына назар аудару үшін қосымша жұмыс қажет. Бұл мәселе алдымен динамикалық тізбектік сәйкестендіруді қолдана отырып, танылған сөз тізбегін сілтеме (сөйлеу) сөз тізбегімен сәйкестендіру арқылы шешіледі. Бұл мәселені зерттеу қуат заңы деп аталатын теория арқылы қарастырылады, ол мазасыздық пен сөз қателігі арасындағы байланысты айтады. Сөз қателік деңгейін былайша есептеуге болады: мұнда S - алмастырулар саны, D - өшірулер саны, I - енгізулер саны, C - дұрыс сөздер саны, N - сілтемедегі сөздер саны (N = S + D + C). 'Өшіру' және 'қосу' артындағы интуиция - сілтемеден гипотезаға қалай жету керек. Егер "Бұл - Wikipedia" деген сілтеме мен "Бұл - Wikipedia" деген болжам болса, оны өшіру деп атаймыз. Сөйлеуді тану жүйесінің өнімділігін есептегенде, кейде сөздің дәлдігі (WAcc) қолданылады: N - сілтемедегі сөздердің саны болғандықтан, сөздің қателігі 1.0-ден жоғары болуы мүмкін, сондықтан сөздің дәлдігі 0,0-ден төмен болуы мүмкін.
Word error rate (WER) is a common metric of the performance of a speech recognition or machine translation system. The general difficulty of measuring performance lies in the fact that the recognized word sequence can have a different length from the reference word sequence (supposedly the correct one). The WER is derived from the Levenshtein distance, working at the word level instead of the phoneme level. The WER is a valuable tool for comparing different systems as well as for evaluating improvements within one system. This kind of measurement, however, provides no details on the nature of translation errors and further work is therefore required to identify the main source(s) of error and to focus any research effort. This problem is solved by first aligning the recognized word sequence with the reference (spoken) word sequence using dynamic string alignment. Examination of this issue is seen through a theory called the power law that states the correlation between perplexity and word error rate. Word error rate can then be computed as:
where
S is the number of substitutions,
D is the number of deletions,
I is the number of insertions,
C is the number of correct words,
N is the number of words in the reference (N=S+D+C)
The intuition behind 'deletion' and 'insertion' is how to get from the reference to the hypothesis. So if we have the reference "This is wikipedia" and hypothesis "This wikipedia", we call it a deletion. When reporting the performance of a speech recognition system, sometimes word accuracy (WAcc) is used instead:
Note that since N is the number of words in the reference, the word error rate can be larger than 1.0, and thus, the word accuracy can be smaller than 0.0.
Тәжірибелер
Әдетте, сөз қателігінің төмендеуі жоғары сөз қателігімен салыстырғанда, сөйлеуді танудың жоғары дәлдігін көрсетеді деп есептеледі. Алайда, кем дегенде бір зерттеу бұл пікірдің дұрыс емес екенін көрсетті. Microsoft Research эксперименті бойынша, егер адамдар "түсінікті түсіну үшін оңтайландыру мақсатына сәйкес келетін" (Wang, Acero and Chelba, 2003) бойынша оқытылса, олар сөз қателіктерінің төмен деңгейін көрсеткен басқа адамдарға қарағанда тілді түсінуде жоғары дәлдік көрсете алады, сөйлеу тілін дұрыс түсіну тек жоғары сөз танудың дәлдігіне ғана сүйенбейді.
Басқа өлшемдер
Алайда, жоғарыда айтылған сияқты жалпы формуланы қолданудың бір мәселесі - әртүрлі қателердің сәтті нәтижеге әсер етуі мүмкін әсері ескерілмейді, мысалы, кейбір қателер басқаларына қарағанда бұзылуы мүмкін, ал кейбіреулерін басқаларына қарағанда оңай түзетуге болады. Бұл факторлар сыналатын синтаксиске тән болуы мүмкін. Тағы бір мәселе, тіпті ең жақсы сәйкестендіруде де формула алмастыру қатесін біріктірілген өшіру және енгізу қатесінен ажырата алмайды. Хант (1990) өнімділік дәлдігінің салмақталған өлшемін қолдануды ұсынды, онда ауыстыру қателері бірлікте, ал өшіру мен енгізу қателері тек 0,5 салмақталады, сондықтан: Хант формуласы бір жүйенің өнімділігін бағалау үшін дұрыс қолданылуы мүмкін бе, деген сұраққа қатысты кейбір пікірталастар бар, өйткені ол әділ бәсекелесетін үміткер жүйелерді салыстыру құралы ретінде әзірленді. Тағы бір күрделілік берілген синтаксис қателерді түзетуге мүмкіндік бере ме және егер ол болса, бұл процесс пайдаланушы үшін қаншалықты оңай. Осылайша, өнімділік өлшемдерін өлшенетін нақты жүйеге сәйкес әзірлеу керек деген аргументке белгілі бір негіз бар. Қандай өлшем қолданылғанына қарамастан, жүйенің жұмысын бағалаудағы негізгі теориялық мәселе - сөздің "жағымсыз айтылуы" туралы шешім қабылдау, яғни қате пайдаланушыда немесе танушыда. Бұл белгілі бір тілді ана тілі ретінде меңгермегендерге немесе айтарлықтай аймақтық акценті барларға арналған жүйеде әсіресе маңызды болуы мүмкін. Өлшеу процесінде сөздерді айту жылдамдығы да, емделушілердің тынығуға немесе тыныс алуға деген қажеттілігі сияқты, емделушілер арасында өзгермеліліктің көзі болып табылады. Мұндай факторлардың барлығын белгілі бір деңгейде бақылау қажет болуы мүмкін. Мәтіндік диктант үшін 95% -дан төмен жылдамдықтағы орындаудың дәлдігі қабылданбайды деп жалпыға бірдей келісіледі, бірақ бұл да синтаксис және / немесе доменге байланысты болуы мүмкін, мысалы, пайдаланушыларға тапсырманы орындау үшін уақыт қысымы бар ма, оны орындаудың баламалы әдістері бар ма және т.б. "Бір сөздің қателік деңгейі" термині кейде жүйелік сөздікте әр түрлі сөзді дұрыс тануы мүмкін емес пайыз ретінде аталады.
There is some debate, however, as to whether Hunt's formula may properly be used to assess the performance of a single system, as it was developed as a means of comparing more fairly competing candidate systems. A further complication is added by whether a given syntax allows for error correction and, if it does, how easy that process is for the user. There is thus some merit to the argument that performance metrics should be developed to suit the particular system being measured. Whichever metric is used, however, one major theoretical problem in assessing the performance of a system is deciding whether a word has been “mis pronounced,” i. e. does the fault lie with the user or with the recogniser. This may be particularly relevant in a system which is designed to cope with non native speakers of a given language or with strong regional accents. The pace at which words should be spoken during the measurement process is also a source of variability between subjects, as is the need for subjects to rest or take a breath. All such factors may need to be controlled in some way. For text dictation it is generally agreed that performance accuracy at a rate below 95% is not acceptable, but this again may be syntax and/or domain specific, e. g. whether there is time pressure on users to complete the task, whether there are alternative methods of completion, and so on. The term "Single Word Error Rate" is sometimes referred to as the percentage of incorrect recognitions for each different word in the system vocabulary.
Қашықтықты өзгерту
Сөз қателік деңгейін ұзындығы нормаланған түзету аралығы деп те атауға болады. X және Y арасындағы нормаланған өңдеу қашықтығы, d ((X, Y)) W ((P)) / L (P) ең төменгі мөлшері ретінде анықталады, мұнда P - X және Y арасындағы өңдеу жолы, W (P)) - P-дің элементарлық өңдеу операцияларының салмақтарының қосындысы, ал L ((P) - бұл операциялардың саны (P ұзындығы).
Басқа дереккөздер
МакКоуэн және басқалар. 2005: Сөйлеуді тануды бағалау үшін ақпараттарды қайтару шараларын қолдану туралы Хант, М. Дж., 1990: Байланысты сөз танушыларды бағалаудың құндылықтары (Сөйлеу хабарламасы, 9, 1990, 239 336 б.) Ауызекі тілде мәтіндік түйіндемелердегі сөз қателерінің санын азайту
Hunt, M. J., 1990: Figures of Merit for Assessing Connected Word Recognisers (Speech Communication, 9, 1990, pp 239 336)
Zechner, K., Waibel, A. Minimizing Word Error Rate in Textual Summaries of Spoken Language