May, 2024

KSW: 基于高棉停用词的关键词提取字典

PDF
TL;DR该论文介绍了一种针对高棉语的关键词提取方法 KSW，利用了专门的停用词词典，并通过实施预处理方法来去除停用词，从而提高有意义的关键词的提取效果。实验证明，与先前方法相比，KSW 在准确性和相关性方面取得了显著的改进，彰显了其推进高棉语文本处理和信息检索的潜力。KSW 资源，包括停用词词典，可在以下 GitHub 仓库中获取：（此 https URL）。
kswkeyword extractionstop word dictionarykhmer text processinginformation retrieval
发现论文，激发创造
  • 高棉语义搜索引擎：数字信息访问和文档检索

    该研究介绍了第一种高棉语义搜索引擎（KSE），旨在改进传统高棉搜索方法，利用语义匹配和注释的语义内容从用户查询中提取有意义的关键词，进行精确匹配，并提供最匹配的离线和在线文档。研究结果表明，理解搜索术语的语义可以带来更准确的结果。

    Jun, 2024

  • 乌兹别克语停用词检测精度：以 “学校语料库” 为例的案例研究

    本文介绍了一种用于评估停用词列表质量的方法，以自动创建技术。该方法在乌兹别克语的自动生成停用词列表上进行了测试，可以应用于相似语言。

    Sep, 2022

  • 深度口语关键词检测：概述

    本文综述了深度口语识别应用技术，包括深度学习、语音识别、音视频识别等方向，旨在为相关从业者和研究人员提供指导和帮助。

    Nov, 2021

  • MM-KWS: 多模态用户定义多语言关键词检测

    提出了 MM-KWS，一种新颖的用户定义关键词识别方法，利用文本和语音模板的多模态注册。通过从文本和语音中提取音素、文本和语音嵌入，将这些嵌入与查询语音嵌入进行比较，以检测目标关键词。为了确保 MM-KWS 在多种语言环境下的适用性，利用了包含多个多语言预训练模型的特征提取器。此外，还整合了高级数据增强工具，以提高 MM-KWS 在区分混淆单词方面的性能。在 LibriPhrase 和 WenetPhrase 数据集上的实验证明，MM-KWS 明显优于之前的方法。

    Jun, 2024

  • 改进文本分析和信息检索的 TF-IDF 方法下的马拉地语停用词筛选

    我们研究了停用词在马拉地语中的应用，使用 MahaCorpus 数据集中的 2400 万个句子，结合 TF-IDF 方法和人工评估，筛选出具有强大效果的 400 个停用词，并将其应用于文本分类任务。该研究还提出了在资源有限的语言中进行停用词筛选的简单方法。停用词已集成到 mahaNLP 库中，并在此 https URL 上公开提供。

    Jun, 2024

  • 智能写作辅助的词语建议

    本篇研究介绍了 “Smart Word Suggestions”（SWS）任务和基准，该任务强调端到端评估，旨在提高写作辅助的效果。SWS 需要识别需要改进的单词或短语，并提供替换建议，实验结果表明 SWS 是一项富有挑战性的任务，为未来的研究提供了方向。

    May, 2023

  • 非洲停用词项目：整理非洲语言的停用词

    该研究的目标是研究非洲语言中的常用词以便进行信息检索和自然语言处理，同时在该研究中介绍十种非洲语言的停用词收集进展以及未来计划。

    Mar, 2023

  • 如何教会关键词探测器在有限的示例下发现新关键词

    KeySEM 是一种基于语音嵌入的关键词识别模型，可用于个性化关键词识别，并能够在有限的示例中高效地学习新关键词，提高关键词识别的性能，这种方法适用于需要在设备上进行学习和自定义的场景。

    Jun, 2021

  • 探索用于小尺寸关键词检测的表示学习

    本文探讨了如何利用自监督对比学习和预训练模型来进行低资源关键词检测中的表征学习，通过构建局部 - 全局对比同构网络和利用预训练 Wav2Vec 2.0 模型，该小型模型可以利用未标记的数据进行预训练，实验结果表明在小的标记数据集的情况下，自我训练的 WVC 模块和自监督的 LGCSiam 模块可以显著提高准确性。

    Mar, 2023

  • 野外视觉语音识别零样本关键词检测

    本论文针对实际应用中未被训练过的词语进行视觉关键词检测的问题，并使用端到端的多层神经网络架构，使用语音图形编码器解决了此问题，该模型在 LRS2 数据集上取得了非常有前途的结果。

    Jul, 2018