语料库应追求规模、丰富性还是密集性？
声音
2010-12-14 v1
摘要
本文探讨了大型语料库的哪些属性决定了其有用程度。我们认为，规模本身不应成为构建语料库的终极目标。大规模语料库之所以被认为理想，是因为它们能提供统计稳定性和丰富的变异性。但这种丰富的变异性意味着需要控制和评估更多因素，从而可能限制规模带来的优势。我们讨论了使用多通道数据来补充大规模语音语料库的方法。尽管多通道数据可能限制语料库的规模（由于数据收集的复杂性和劳动密集型特性），但它们能提供信息，使我们能够分离与语音产生相关的各种因素。
引用
@article{arxiv.1012.2797,
title = {Should Corpora be Big, Rich, or Dense?},
author = {Greg P. Kochanski and Chilin Shih and Ryan Shosted},
journal= {arXiv preprint arXiv:1012.2797},
year = {2010}
}