Named Entity Recognition (NER), an

Named Entity Recognition (NER), an information extraction task, is typically applied to spoken documents by cascading a large vocabulary continuous speech recognizer (LVCSR) and a named entity tagger. Recognizing named entities in auto- matically decoded speech is difficult since LVCSR errors can confuse the tagger. This is especially true of out-of-vocabulary (OOV) words, which are often named entities and always pro- ducetranscriptionerrors. Inthiswork,weimprovespeechNER by including features indicative of OOVs based on a OOV de- tector, allowing for the identification of regions of speech con- taining named entities, even if they are incorrectly transcribed. We construct a new speech NER data set and demonstrate sig- nificant improvements for this task.

Kết quả (Việt) 1:

Tên tổ chức công nhận (NER), một nhiệm vụ khai thác thông tin, thường được áp dụng cho tài liệu nói bởi tầng một vốn từ vựng lớn của bộ nhận dạng bài phát biểu liên tục (LVCSR) và một tên thực thể tagger. Công nhận các thực thể được đặt tên trong auto - matically decoded nói là difficult kể từ khi LVCSR lỗi có thể gây nhầm lẫn tagger. Điều này đặc biệt đúng ra từ vựng (OOV) từ, mà thường được đặt tên thực thể và luôn luôn là pro-ducetranscriptionerrors. Inthiswork, weimprovespeechNER bằng cách bao gồm các tính năng chỉ của OOVs dựa trên một OOV de-tector, cho phép cho identification trong vùng của bài phát biểu côn-taining được đặt theo tên thực thể, ngay cả khi họ không chính xác được phiên âm. Chúng tôi xây dựng một bài phát biểu mới tập hợp dữ liệu NER và chứng minh sig-nificant cải tiến cho nhiệm vụ này.

Kết quả (Việt) 2:

Tên là Entity Recognition (NER), một nhiệm vụ khai thác thông tin, thường được áp dụng cho các tài liệu văn nói của tầng một vốn từ vựng lớn recognizer bài phát biểu liên tục (LVCSR) và một thực thể tagger tên. Nhận thức được thực thể có tên trong bài phát biểu matically việc tự động giải mã là dif fi giáo phái kể từ khi lỗi LVCSR có thể gây nhầm lẫn cho tagger. Điều này đặc biệt đúng với (OOV) từ out-of-từ vựng, mà là các đơn vị thường được đặt tên và luôn luôn ducetranscriptionerrors trình. Inthiswork, weimprovespeechNER bằng cách bao gồm các tính năng chỉ định của OOVs dựa trên một OOV triển tector, cho phép các fi cation identi của khu vực ngôn luận con- taining tên thực thể, ngay cả khi họ đang sao chép không chính xác. Chúng tôi xây dựng một tập hợp dữ liệu bài phát biểu NER mới và chứng minh cải tiến fi không thể ni hãng Sigma cho nhiệm vụ này.