通过使用大型语言模型,自动化对话语中对话语的预期目标识别
Alexandra C Salem1, Robert C Gale1, Mikala Fleegle2
1Department of Medical Informatics and Clinical Epidemiology, Oregon Health & Science University, Portland.
Journal of speech, language, and hearing research : JSLHR
|November 6, 2023
概括
研究人员使用大型语言模型 (LLM) 开发了一种自动化工具,用于识别患有失言症 (PWA) 的人的准失言症. 该模型在预测预期的单词目标方面获得了50.7%的准确性,从而推进了自动失语话语分析.
科学领域:
- 计算语言学计算语言学
- 神经科学是一个神经科学.
- 语音语言病理学 语言病理学
背景情况:
- 帕拉法西亚在失语症中很常见,但缺乏用于识别和分类的自动化工具.
- 准确的分析是非常重要的理解和治疗失言症.
研究的目的:
- 微调一个大型语言模型 (LLM) 来自动预测话语中的偏目标.
- 开发一种自动化工具,用于识别和分类患有口音障碍 (PWA) 的人的对口音障碍.
主要方法:
- 利用PWA的332个灰娘故事重述,其中有2,489个被确定为帕拉法西亚.
- 补充了训练数据,包括256个控制会话和2,415个合成偏.
- 微调一个法学士学位,在故事重述的背景下预测帕拉西亚目标.
主要成果:
- 该LLM取得了50.7%的准确性,精确匹配人类识别的偏目标.
- 性能是可比的,无论是仅在PWA数据上还是与对照数据进行微调.
- 该模型显示,对不那么模两可的目标和患有较轻度失语症的参与者来说,准确度有所提高.
结论:
- 通过使用周围的语言背景,证明了自动识别可行性的偏目标.
- 这项工作是迈向自动化非相性话语分析的一步.
- 未来的研究将纳入声学信息,以提高预测准确度.


