利用词大写与标点恢复模型改进越南语语音命名实体识别
计算与语言
2020-10-02 v1
摘要
命名实体识别（NER）任务的研究已展现出卓越成果，在具有正确文本格式（如恰当标点和大写）的输入文本上达到人类水平。然而，在输入为语音的应用中并不具备此类条件，因为文本由语音识别系统（ASR）生成，且该系统不考虑文本格式。在本文中，我们（1）提出了首个面向 NER 任务的越南语语音数据集，以及（2）首个公开的越南语大规模单语预训练语言模型，其以绝对 F1 分数较最新研究提升 1.3% 的成绩实现了越南语 NER 任务的新 SOTA。最后，（3）我们提出了一种从语音进行 NER 任务的新流水线，通过引入文本大写与标点恢复模型（CaPu）克服文本格式问题。该模型以 ASR 系统输入文本并同时执行两项任务，生成恰当的文本格式以帮助提升 NER 性能。实验结果表明，CaPu 模型助力 F1 分数提升近 4%。
引用
@article{arxiv.2010.00198,
title = {Improving Vietnamese Named Entity Recognition from Speech Using Word Capitalization and Punctuation Recovery Models},
author = {Thai Binh Nguyen and Quang Minh Nguyen and Thi Thu Hien Nguyen and Quoc Truong Do and Chi Mai Luong},
journal= {arXiv preprint arXiv:2010.00198},
year = {2020}
}
备注
Accepted in Interspeech 2020