We have presented a novel approach

We have presented a novel approach for OOV sensitive named entity recognition in automatically transcribed speech,targeting NEs containing words which are not present in the LVCSR sys- tem’s vocabulary. We augmented the features used by a CRF NER tagger to indicate possible OOVs in the transcript. Our system obtains a statistically significant improvement in overall performance using automatic OOV detection and our automatic results achieve an almost 60% error reduction over the baseline compared to oracle results. Additionally, we show that oracle OOV features close the gap between IV and OOV NER per- formance. Finally, we introduced a new broadcast news speech data set annotated for named entities using Amazon Mechanical Turk (available online at time of publication.

Kết quả (Việt) 1:

Chúng tôi đã trình bày một cách tiếp cận mới cho OOV nhạy cảm thực thể được đặt tên công nhận trong tự động sao chép lại bài phát biểu nhất, nhắm mục tiêu theo NEs có chứa từ mà không phải là hiện diện trong LVCSR sys-tem của từ vựng. Chúng tôi tăng cường các tính năng được sử dụng bởi một tagger CRF NER để cho biết có thể OOVs trong bảng điểm. Hệ thống của chúng tôi lấy được một thống kê significant cải tiến hiệu suất tổng thể bằng cách sử dụng tự động OOV phát hiện và các kết quả tự động đạt được một gần như 60% lỗi giảm trên đường cơ sở so với oracle kết quả. Ngoài ra, chúng tôi cho rằng oracle OOV tính năng đóng khoảng cách giữa IV và OOV NER một-formance. Cuối cùng, chúng tôi giới thiệu tin tức phát sóng bài phát biểu dữ liệu bộ mới chú thích cho tên thực thể bằng cách sử dụng Amazon cơ khí Turk (có sẵn trực tuyến tại thời điểm công bố.

Kết quả (Việt) 2:

Chúng tôi đã trình bày một phương pháp mới cho OOV nhạy cảm tên là công nhận thực thể trong bài phát biểu tự động sao chép, nhắm mục tiêu NE chứa các từ mà không có trong vốn từ vựng của hệ thống LVCSR của. Chúng tôi tăng cường các tính năng được sử dụng bởi một tagger CRF NER để chỉ OOVs thể trong bảng điểm. Hệ thống của chúng tôi có được một sự cải thiện trọng yếu thống kê hiệu suất tổng thể sử dụng phát hiện OOV tự động và kết quả tự động của chúng tôi đạt được một lỗi giảm gần 60% so với cơ sở so sánh với kết quả oracle. Ngoài ra, chúng tôi cho thấy rằng các đặc tính oracle OOV thu hẹp khoảng cách giữa IV và OOV NER trăm hiệu quả hoạt. Cuối cùng, chúng tôi giới thiệu một tin tức phát sóng bộ dữ liệu bài phát biểu mới chú thích cho thực thể có tên sử dụng Amazon Mechanical Turk (có sẵn trực tuyến tại thời điểm công bố.