ordfeilrate

ordfeilrate, ofte omtalt som ordfeilrate eller WER, er en almindelig metrisk i talegenkendelse. Den bruges til at kvantificere hvor præcist en automatisk transskription følger en reference-tekst. En lavere værdi indikerer en mere præcis gengivelse, mens en højere værdi peger på flere fejl i transskriptionen.

Beregningsgrundlag: WER beregnes som (S + D + I) / N, hvor N er antallet af ord i referenceteksten, S er antallet af substitutionsfejl, D er sletninger, og I er indsættelser. For at bestemme S, D og I findes en minimal redigering mellem hypotesen (den genkendte tekst) og referencen via dynamisk programmering (Levenshtein-distance). Resultatet er en andel af de ord, der krævede ændringer for at matche referencen.

Fortolkning og anvendelse: WER bruges bredt som et standardskøn for præcision i ASR-systemer og giver et sammenligneligt mål på tværs af systemer og datasæt. Typiske værdier varierer afhængigt af sprog, domæne og støjmiljø. WER er imidlertid følsom over for referencekvalitet og forbehandling, eksempelvis håndtering af store/små bogstaver og tegnsætning. Den fanger ikke semantiske korrekte eller fejlagtige udtryk, og to forskellige fejl kan give samme WER. Derfor bruges ofte WER sammen med andre metrikker såsom karakterfejlrate (CER) eller ordniveauanalyser for en mere nuanceret vurdering.