arXiv cs.CL· Rashini Liyanarachchi, Rachael Mackay, Alison Short, Aditya Joshi, Erik Meijering·· 11 小时前AI 评分20
Paediatric-HGNN：融合多尺度声学特征的混合异构图神经网络，用于儿童言语不流畅检测
Paediatric-HGNN: A Hybrid Heterogeneous Graph Neural Network for Detecting Disfluency in Children's Speech via Multiscale Acoustic Fusion
AI 导读
Paediatric-HGNN 框架通过上下文感知的部分-整体交互网络（CaPIN）构建词节点与帧节点之间的异构图，用于儿童口吃检测，在 UCLASS 和 FluencyBank 数据集上达到 82.4% 加权准确率和 0.386 的典型不流畅 F1 分数。该方法以分层词汇-声学交互建模替代传统 1D 信号建模，可捕捉儿童发育期的"搜索"行为，为早期临床干预提供更稳健、可解释的工具。
正文 · AI 翻译
摘要：自动口吃检测（ASD）系统在处理儿童语音时面临困难，原因在于发育中的嗓音具有高度的声学变异性，且病理性口吃与典型发育性不流畅之间的区别十分细微。我们提出 Paediatric-HGNN，这是一个使用面向儿童数据定制的上下文感知部分-整体交互网络（CaPIN）的框架。我们的方法不采用传统的 1D 信号建模，而是构建一个异构图，捕捉词汇单元（词节点）与细粒度声学片段（帧节点）之间的层次关系。在精选的儿童语料库（UCLASS 和 FluencyBank）上训练后，Paediatric-HGNN 达到 82.4% 的加权准确率和 0.386 的典型不流畅 F1 分数。对层次化词汇-声学交互进行建模可捕捉发育中的“搜索”行为，为早期临床干预提供更稳健、更具可解释性的工具。
| 评论： | Interspeech 2026 会议论文集 |
| 主题： | 音频与语音处理（eess.AS）；计算与语言（cs.CL）；声音（cs.SD） |
| 引用为： | arXiv:2606.08210 [eess.AS] |
| （或 arXiv:2606.08210v2 [eess.AS] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.08210 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.21437/Interspeech.2026-1131
链接到相关资源的 DOI |
提交历史
来自：Rashini Liyanarachchi [查看电子邮件]
[v1]
2026 年 6 月 6 日星期六 14:54:44 UTC（296 KB）
[v2]
2026 年 10 月 31 日星期六 00:16:32 UTC（296 KB）
来源：arXiv cs.CL · arxiv.org