文章插图
推断时没有语言模型的评估结果
下表 3 展示了 ， 在没有语言模型的情况下 ， 自训练和预训练的结合仍能取得不错的性能 。 这是因为伪标注过程中使用的语言模型已被部分融入伪标注数据中 。 在没有语言模型的 10 min labeled 设置下这一效应尤其显著：在 test-other 数据集上 ， wav2vec 2.0 + ST (s2s scratch) 将基线方法 (wav2vec 2.0 - LM) 的词错率降低了 83% 。
文章插图

• 查询|数据太多容易搞混？掌握这几个Excel小技巧，办公思路更清晰
• 黑莓(BB.US)盘前涨逾32%，将与亚马逊开发智能汽车数据平台|美股异动 | US
• 健身房|乐刻韩伟：产业互联网中只做单环节很难让数据发挥大作用
• V2X|V2X：确保未来道路交通数据交换的安全性
• 短视频平台|大数据佐证，抖音带动三千万就业，视频手机将成生产力工具？
• 权属|从数据悖论到权属确认，数据共享进路所在
• 统计|多久才能换一次手机？统计机构数据有点意外
• 发展|大数据解读世界互联网大会·互联网发展论坛！
• 网购|黑色星期五及网购星期一大数据出炉 全球第三方卖家销售额超48亿美元
• Veeam|Veeam让企业数据拥有“第二次生命”