在电子商务现场直播场景中LLM增强的中国形态解析.
Xiaoye Ouyang1, Liu Yuan1, Xiaocheng Hu1
1China Academy of Electronic and Information Technology, Beijing 100041, China.
Entropy (Basel, Switzerland)
|July 29, 2025
概括
这项研究引入了一种新方法来解决电子商务直播中的变形语音,提高了检测误导性声明的准确性. 该方法使用大型语言模型来增强语音转录,以更好地保护消费者.
科学领域:
- 自然语言处理自然语言处理.
- 语音识别 语音识别 语言识别
- 电子商务 技术 技术 电子商务
背景情况:
- 在中国,电子商务直播是一个重要的零售道.
- 主持人可能会使用微妙的语言"变形"来逃避适度,并提出毫无根据的说法,造成消费者风险.
研究的目的:
- 介绍和评估现场听觉形态解析 (LiveAMR) 任务.
- 开发一个框架,将变形语音转录恢复到其真实的形式.
主要方法:
- 提出一个LLM增强的培训框架,利用解释知识 (形态类型标签,LLM纠正,理由).
- 从一个冷的大型语言模型中挖掘知识,而不需要对其进行微调.
- 微调一个轻量级的T5模型,使用连接的注释和原始句子.
主要成果:
- 在域内和域外测试集上实现比基线显著的收益.
- 与T5基线相比,F0.5得分在域内提高7pp (至0.943) 和域外提高5pp (至0.799).
- 使用结构化的LLM衍生信号展示高效和准确的形态分辨率.
结论:
- 结构化的LLM衍生信号可以有效地挖掘并注入到较小的模型中.
- 拟议的方法为电子商务直播中的听觉形态解析提供了一个高效和准确的解决方案.
- 这种方法通过改善误导性声明的检测来加强消费者保护.


