중국어 방언을 향한 음성 기반 엔드투엔드 (End-to-End) 언어 식별

유사한 언어, 변체 및 방언 간의 언어 식별 (Language discrimination)은 도전적인 자연어 처리 (NLP) 과제입니다. 전통적인 텍스트 기반 방식은 저조한 결과를 초래합니다. 본 논문에서는 중국어 방언 간의 언어 식별에 있어 음성 기반 특징 (speech-driven features)의 효과성을 탐구합니다. 먼저, CNN 기반 언어 식별에 있어 음성 기반 MFCC 특징의 적절성을 체계적으로 탐구합니다. 그다음, 중국어 방언 단어를 예측하기 위해 HMM-DNN 기반의 엔드투엔드 (end-to-end) 음성 인식 모델을 설계합니다. 우리는 서로 다른 중국어 방언과 관련된 식별 가능한 단어를 추출하기 위해 어텐션 (attention)을 채택합니다. 마지막으로, CNN을 통해 단어 수준의 임베딩 (word-level embedding)과 MFCC 기반 특징을 결합합니다. 두 개의 벤치마크 중국어 방언 코퍼스 (corpora)를 통한 평가 결과, 제안된 음성 기반 접근 방식이 최신 기술 (state-of-the-art) 방법들과 비교하여 미세한 중국어 방언 식별에 있어 적절성과 효과성을 보임을 입증하였습니다.