자동 음성 인식 평가 지표 해석 및 오류 식별을 위한 패러다임

자동 음성 전사 (transcription) 를 평가하는 데 가장 널리 사용되는 지표인 단어 오류율 (Word Error Rate, WER) 과 문자 오류율 (Character Error Rate, CER) 은 인간 지각과 낮은 상관관계를 가지고 있으며 언어학적 및 의미론적 정보를 고려하지 못한다는 이유로 비판을 받아왔습니다. 인간의 지각을 근사화하려는 시도를 한 지표 기반 임베딩 (metric-based embeddings) 이 제안되었지만, WER 와 CER 과 달리 그 점수는 여전히 해석하기 어렵습니다. 본 논문에서는 선택된 지표를 포함시켜 오류율의 등가인 최소 편집 거리 (Minimum Edit Distance, minED) 를 얻기 위한 패러다임을 제시함으로써 이러한 문제를 극복합니다. 이 접근법은 전사 오류와 인간 지각을 병렬화하며, 또한 인간의 관점에서 이러한 오류의 중도 (severity) 에 대한 원래 연구 (original study) 를 가능하게 합니다.