Beyond Binary: Multiclass Paraphasia Detection with Generative Pretrained Transformers and End-to-End Models

失语症是一种语言障碍，可能导致称为“同音异义词”的言语错误，这涉及到单词的误用、替换或发明。自动同音异义词检测可以通过促进临床评估和治疗计划选项来帮助患有失语症的人。然而，大多数自动同音异义词检测工作仅关注二元检测，这涉及仅识别同音异义词的存在或不存在。多类同音异义词检测代表了一个未被探索的研究领域，其重点是识别给定言语片段中多种类型的同音异义词及其出现位置。我们提出了新颖的方法，使用生成预训练转换器（GPT）从转录中识别同音异义词，以及两种端到端方法，重点是将自动语音识别（ASR）和同音异义词分类建模为多个序列与单个序列。我们证明了单个序列模型在多类同音异义词检测方面优于GPT基线。

多类别语言障碍检测的研究。

使用单序列模型来进行多类别语言障碍检测，相较于基于预训练模型的方法更为有效。

论文提出了一种使用单序列模型进行多类别语言障碍检测的方法，并展示了该方法的高效性。实验使用了多个数据集，并对比了不同方法的性能。论文还指出了该领域的一些值得深入研究的问题。

在该领域的相关研究包括：《A Review of Automatic Paraphasia Detection and Classification for Aphasia Rehabilitation》、《Automatic Detection and Classification of Paraphasias in Aphasic Speech》等。