Jun, 2023

更高效的手动审核自动转录的表格数据

PDF
TL;DR本文介绍如何将机器学习应用于历史数据的转录，其中高精度的方法仍需人工查证与修正，因此作者提出了更高效的评审流程，并以挪威 1950 年的人口普查数据为例，验证了一种自动化转录与人工修正相结合的方法。
machine learningtranscriptionmanual reviewaccuracy improvementnorwegian 1950 census
发现论文，激发创造
  • 众包标注中的手写文本识别

    本文研究了多种训练模型的方式来识别手写文本，特别是在存在多个不完整或有噪声的转录版本时，考虑了不同的训练配置和数据选择方法，并在法国贝尔福市的城市登记册上进行了实验，结果表明，计算共识转录或基于多个转录进行训练是有希望的替代方案，但基于注释者之间的一致程度选择训练样本会引入偏差并不能提高结果。

    Jun, 2023

  • 人工转写质量提升

    我们提出了一种可靠的方法来收集语音转录，通过在标注阶段进行置信度估计重新处理和在标注后进行自动词错误校正来提高转录质量。我们发布了 LibriCrowd—— 一个包含 100 小时英语语音的大规模众包数据集。实验结果显示，转录错误率降低了 50% 以上。我们进一步研究了转录错误对 ASR 模型性能的影响，并发现了强相关性。转录质量的提高可以使 ASR 模型的错误率下降 10% 以上。我们将数据集和代码发布给研究社区，以造福广大研究者。

    Sep, 2023

  • 机器翻译人类评估的有效性改进探讨

    本研究探讨了一种简单的降低标注成本的方法，即采用分层抽样和控制变量等技术，结合文档成员身份信息和自动评估指标，从而在固定标注预算下获得更高的准确性。在测试集上，相比于纯随机抽样，平均误差降低了高达 20%。该技术易于实现且适用于类似结构的问题。

    Apr, 2022

  • 临床记录中医学编码预测：从人工编码到机器编码

    该论文通过自然语言处理和深度学习技术预测医学编码，提高编码准确性并探讨神经网络模型的可解释性。

    Oct, 2022

  • 针对文本文档的高精度信息提取的人机协作优化

    本文研究信息提取方法，提出利用人工验证的弱监督标记方法，结合人工与计算机快速处理，以实现在精度要求高的情境下避免纯手工提取耗时过长的难题，并在犯罪司法数据集上实证其优越性。

    Feb, 2023

  • 德国口述历史访谈的人类和自动语音识别表现

    本文研究了自动语音识别技术在口述历史领域上的表现差距，分析并比较了三种人类转录文本和机器转录文本的表现，通过实验的方式，优化了声学模型，在清晰和嘈杂的口述历史采访中，错误率分别为 15.6% 和 23.9%。

    Jan, 2022

  • 探索医院门诊信件中自由文本诊断的手工和自动编码的一致性、质量和挑战

    评估人工及自动化临床编码的质量和一致性，对于改进直接护理、支持临床沟通和促进临床研究至关重要。比较人工和计算机生成的编码与标准值，结果表明人工稍微优于自动化编码，但二者在仅包含一个诊断的自由文本描述中表现更好。

    Nov, 2023

  • 逆时间转录

    本文研究了在成本敏感的情况下，如何以固定的时间预算自动选择错误修正的位置和大小，以最大化修正的错误数量，并提出了一种动态更新框架来训练纠错成本模型，进而实现高度适应性。该方法在模拟和实际的用户研究中均获得了有效的效率改进。

    Sep, 2017

  • 迭代优化和统计结果验证的高效人机互动式深度学习模型训练

    本文介绍一种创建数据清理的分割的方法，通过使用自动生成的训练数据和快速人工视觉检查来提高模型的准确性，并保持时间 / 精力和成本的低成本。此方法可实现高准确度模型的成本效益和快速方法，同时还能最大限度地减少获取高质量训练数据的成本和精力。

    Apr, 2023

  • 读、参与、编码：机器从临床笔记中预测医学编码的极限挑战

    通过使用卷积神经网络（CNN）和长短期记忆（LSTM）网络，将医疗代码分配映射与卷积嵌入相连接，使用自我关注和代码标题引导注意力模块，结合基于句子排列的数据增强和随机权重平均训练，该研究提供的 Read，Attend 和 Code（RAC）模型在医疗代码预测方面超越了人类编码基线，成为完全自主医疗编码（AMC）机器实现医学代码预测的新的最佳性能水平（SOTA）。

    Jul, 2021