We also sought to determine additio

We also sought to determine additional gains we might achieve by improved OOV detection. We replaced the OOV detector by an oracle predictor, manually tagging OOV regions 6Statistically significant at p = 0.001 using the paired permutation test.
by finding time segments in the manual transcripts containing words which are not in the LVCSR system vocabulary. True OOV regions were marked with a new feature (oov.) The best performance was obtained when adding this oracle OOV feature, replacing the decoded word by “OOV” if this feature fires, and including the context feature described in Section 2.3 (oov+oovdet+context+replace). This improves an additional 8.08 points on OOVs over the best OOV predictor results, and 1.61 improvement overall. This demonstrates that our auto- matic results achieve an almost 60% error reduction towards oracle OOV detection. Additionally, the oracle results achieve similar performance for OOV and IV, indicating that remaining NER errors may not be attributed to OOVs and that given cor- rect OOV predictions, our NE tagger effectively addresses the OOV NER problem.

Kết quả (Việt) 1:

Chúng tôi cũng tìm cách để xác định lợi ích bổ sung chúng tôi có thể đạt được bằng cách cải thiện OOV phát hiện. Chúng tôi thay thế các máy dò OOV bởi một dự báo oracle, bằng tay gắn thẻ OOV khu vực 6Statistically significant tại p = 0,001 sử dụng thử nghiệm ghép nối hoán vị.bởi các phân đoạn thời gian finding trong bảng điểm hướng dẫn sử dụng có chứa từ mà không có trong từ vựng hệ thống LVCSR. Đúng OOV khu vực được đánh dấu với một tính năng mới (oov.) Hiệu suất tốt nhất nhận được khi thêm tính năng này OOV oracle, thay thế từ decoded bởi "OOV" nếu fires tính năng này, và bao gồm các tính năng bối cảnh mô tả trong phần 2,3 (oov + oovdet + bối cảnh + thay thế). Điều này cải thiện một điểm 8.08 bổ sung trên OOVs qua kết quả dự báo OOV tốt nhất, và 1,61 cải thiện tổng thể. Điều này chứng tỏ rằng chúng tôi tự động - kết quả matic đạt được một gần như 60% lỗi giảm đối với oracle OOV phát hiện. Ngoài ra, oracle kết quả đạt được hiệu suất tương tự cho OOV và IV, chỉ ra rằng còn lại NER lỗi có thể không được quy cho OOVs và rằng cho cor-rect OOV dự đoán, chúng tôi tagger Tây có hiệu quả địa chỉ vấn đề OOV NER.

Kết quả (Việt) 2:

Chúng tôi cũng tìm cách để xác định tăng thêm chúng ta có thể đạt được bằng cách cải thiện phát hiện OOV. Chúng tôi thay thế các máy dò OOV bởi một yếu tố dự báo oracle, tự gắn thẻ vùng OOV 6Statistically trọng yếu không thể fi tại p = 0,001 bằng cách sử dụng thử nghiệm hoán vị ghép nối.
bởi phân đoạn thời gian fi nding trong bảng điểm của nhãn hiệu có chứa các từ đó không có trong từ vựng hệ thống LVCSR. Vùng OOV thật đã được đánh dấu với một tính năng mới (oov.) Việc thực hiện tốt nhất thu được khi thêm oracle tính năng OOV này, thay thế các từ được giải mã bởi "OOV" nếu tính năng này fi res, và bao gồm các tính năng bối cảnh được mô tả trong phần 2.3 (oov + oovdet + bối cảnh + thay thế). Điều này cải thiện thêm 8.08 điểm trên OOVs trên các kết quả OOV dự đoán tốt nhất, và 1,61 cải thiện tổng thể. Điều này cho thấy kết quả matic việc tự động của chúng tôi đạt được một lỗi giảm gần 60% đối với oracle phát hiện OOV. Ngoài ra, các kết quả đạt được oracle hiệu suất tương tự cho OOV và IV, chỉ ra rằng các lỗi NER còn lại có thể không được quy cho OOVs và được dự đoán rect OOV nhũng, tagger NE của chúng tôi có hiệu quả giải quyết các vấn đề OOV NER.