ACLOct, 2016

使用递归卷积神经网络对神经心理测试叙事转录中的句子进行分割

PDF
TL;DR该研究通过使用循环卷积神经网络与韵律、词性等特征及单词嵌入，提出了一种自动句子分割方法，用于帮助机器自动识别语言障碍性痴呆疾病患者的语言，获得了比条件随机场模型更好的结果，为自动话语分析工具的发展提供了一定的参考。
automated discourse analysisnatural language processingsentence segmentationneuropsychological evaluationcognitive impairment
发现论文，激发创造
  • 基于语言的轻度认知障碍检测使用信息损失

    该研究使用深度学习和自然语言处理技术，提出了一个框架，通过分析来自 I-CONECT 研究项目的视频访谈生成的文本，区分老年人的轻度认知障碍和正常认知状态。提出的 NLP 框架由两个基于 Transformer 的模块组成，分别为句子嵌入和句子交叉注意力。通过该框架，可以以平均曲线下面积为 84.75% 的准确率区分 MCI 和 NC。

    Jan, 2024

  • 快速且准确的神经话语分割

    本文提出一种基于 BiLSTM-CRF 框架的端到端神经分割器，为了提高其准确性，我们解决了数据不足的问题，并使用自我注意机制捕捉了有用的邻域信息，实验结果表明，我们的模型在达到新的最佳性能的同时，比以前的方法快得多。

    Aug, 2018

  • 基于注意力机制的神经文本分割

    本文提出了一种基于注意力机制的双向 LSTM 模型，使用卷积神经网络学习句子嵌入，利用上下文信息预测文本分段，相比现有的竞争基准方法，在三个基准数据集上的 WinDiff 分数提高了约 7%。

    Aug, 2018

  • 使用循环神经网络的科学话语中基于从句级别的结构化预测的实验分割

    本研究提出了一个基于深度学习的模型，通过序列标注和注意力机制，对科学文献中实验叙述中的结构进行识别，并比较了不同模型的效果和可能的应用。

    Feb, 2017

  • 基于韵律的语音自动分句和主题划分

    探究在语音数据中使用音韵学信息（从语音的时间和旋律中获得的信息）来实现句子和主题单元的分割，并将其与基于单词的方法相结合，取得了与基于单词的统计语言模型相当甚至更好的性能，而且需要较少的训练数据和手动标签。

    Jun, 2000

  • 基于字符级神经网络的 SUMMA 项目跨语言媒体监测翻译

    通过使用序列到序列的神经翻译模型的低维语义表示能力，该论文尝试解决自动多语种新闻监测中出现的两个问题：将电视和广播节目 ASR 转录分割成单个故事，对来自各种来源和语言的单个故事进行故事线聚类。为了实现多语种神经翻译的联合多任务学习，论文使用滑动窗口机制替换注意力机制，并在字符级别而非单词级别上操作序列到序列的神经翻译模型处理分割和聚类问题。通过检查作为神经翻译过程副产品产生的低维向量，解决分割故事和故事线聚类问题的方法值得进一步研究。

    Apr, 2016

  • 利用词向量丰富复杂网络，从语音转录中检测轻度认知障碍

    使用复杂网络和单词嵌入 (CNE) 对神经心理评估中的病人发出的短语的文本进行建模，通过 CNE 对复杂网络进行了丰富，以更好地表示这种非语法性的语音，从而实现了对 MCI 的自动识别。

    Apr, 2017

  • 面向会话语音的标点符号预测模型

    本文通过训练基于深度神经网络技术的双向长短期记忆网络（BLSTM）和卷积神经网络（CNN）的序列标注模型，来解决语音识别系统中无法正常预测标点符号的问题，并且通过在 Fisher 语料库上的实验证明，基于卷积神经网络预测标点符号的方法更加精确。同时，本文结果表明，将 Fisher 语料库转化为时间对齐的文本以及采用预训练嵌入模型可以提高标点预测的准确性。

    Jul, 2018

  • 端到端手写段落识别的联合分割和转录

    本文提出了一种针对离线手写段落文本识别的神经网络模型，利用注意力权重计算图像表示，实现了一种隐式行分割的可训练端到端模型，试验结果表明其性能与传统基于线段的模型竞争力相当，具有将全文档转录实现的潜力。

    Apr, 2016

  • ParaTTS: 基于段落的语音合成中学习跨句子的语言和韵律信息

    本文提出了一种基于跨句嵌入结构的 TTS 模型，包含语言学信息，韵律信息和位置信息，并在女性普通话语音书籍语料库上进行了训练，结果表明该模型能够生成自然、优质的段落朗读文本，且在主观和客观测试中都表现优于基于句子的模型。

    Sep, 2022