corpus creation | BriefGPT - AI 论文速递

关键词corpus creation

搜索结果 - 7

验证和探索大规模地理文集
本文研究了语料库创建决策对大型多语言地理 Web 语料库的影响。通过从 Common Crawl 获取的 4270 亿个词的语料库，使用三种方法改善代表特定语言国家对 (如新西兰英语) 的子语料库质量：(i) 独立语言识别系统的一致性，(i
PDF4 months ago
构建非洲之声
本研究聚焦于低资源非洲语言语音合成，着重于从语料库创作到 TTS 系统的共享和部署，通过参与式方法建立新的数据集和数据挖掘，发现即使在次优环境下录制 25 分钟的语音也能生成可听懂的语音，并为 12 种非洲语言提供了语音数据、代码和训练好的
PDF2 years ago
文本中隐含地理移动的识别
通过手动标注、众包及机器学习相结合的方式，本文创新性地建立了基于地理运动描述文本的语料库，以推动地理数据的计算处理和空间认知能力的探索。
PDF2 years ago
EMNLP不再是低资源：对齐器集成、批处理过滤和新的孟加拉 - 英语机器翻译数据集
本研究利用自定义句子分段器和两种新方法，构建一个高质量的孟加拉语 - 英语双语平行语料库，从而提高孟加拉语机器翻译的 BLEU 指标，并评估了一个包含 1000 个双语句对的测试集，释放了分段器，平行语料库和评估集，为孟加拉语以及其他低资源
PDF4 years ago
健康新闻文章机器阅读理解的新越南语语料库
介绍了 ViNewsQA，这是用于越南语的一种新的用于评估医疗领域阅读理解模型的语料库，其中包含 22057 个人工生成的问题 - 答案对和比较人类和不同机器阅读理解方法的性能，其中 ALBERT 模型在该语料库上获得了最好的性能。
PDF4 years ago
自动事实检查中不同任务的丰富注释语料库
基于机器学习的自动事实核查是识别网络上的虚假信息的一种有希望的方法，针对现有的事实核查语料库规模小、注释不详细、局限于单一领域等问题，本研究提出了一个大规模、多领域的可信事实核查语料库，并进行了模型构建和分析。
PDF5 years ago
学生诊断推理自动分析的挑战
本文旨在自动化模拟诊断的认知活动以便为学生提供反馈，同时讨论了自动化识别认知活动所面临的三个挑战，并提出了各自的性能度量标准。此外，根据提供的诊断自述语料库的检测，作者评估了几种 RNN 神经网络架构，证明目前的技术无法解决一些挑战。
PDF6 years ago