超越二元分类：使用生成预训练变压器和端到端模型进行多类语误检测

简介

失语症属于一种语言功能障碍，通常由脑部受损所引发，可能导致患者在语言表达与理解方面出现不同程度的障碍。在美国，有超过两百万人口受到该病症的影响，每年约有225,000人因遭遇创伤性脑损伤或中风而罹患失语症。该病症的表现形式较为多样，但常见的特征是患者在进行口头交流时遇到困难，并可能产生特定的语言错误现象。

通过自动检测语误的方式，可以为失语症患者提供支持，有助于临床诊断过程以及治疗策略的制定。然而，在以往的研究中，多数自动语误检测方法主要集中在二元判断上，即仅识别是否存在语误。对于多类语误检测这一方向的研究仍较为有限，其核心在于识别不同种类的语误及其在具体文本中的分布位置。

本研究引入了若干新的技术手段，借助生成预训练变压器（GPT）模型对转录文本中的语误进行识别，并设计了两种端到端的方法分别针对自动语音识别（ASR）与语误分类任务进行建模处理，其中一种方法采用多序列结构，另一种则采用单序列结构。实验结果表明，在多类语误检测任务中，单序列模型相较于GPT基准模型展现出更优的性能表现。

失语症与语误类型分析

失语症患者在进行口头表达时，往往会出现一些特定类型的言语错误，主要涵盖语音层面的错误、新词的使用以及语义层面的偏差23：

• 语音层面的错误：表现为音素的替换、遗漏或顺序调整（如将“shut”误说为“zut”）。
• 新词现象：指患者