在计算机辅助语言学习中自动错误识别的最大F1分数判别训练

在本文中，我们提出并评估了基于隐马尔可夫模型（HMM）的自动识别的新判别训练准则计算机辅助发音训练中的自动发音错误检测。 目标函数被公式化为s- 带注释的非本地语音数据库上F1分数的平滑形式。 通过使用基于弱感知辅助函数方法的HMM更新方程之类的扩展Baum Welch形式来实现目标函数最大化。 为了确保客观的改进，建议同时更新声学模型和电话阈值参数。 错误识别检测实验表明，该方法可有效提高训练数据和评估数据的F1分数，精度，召回率和检测精度。