Přejít na obsah

Publikace

Detail publikace

Citace

Skorkovská, L. and Ircing, P. and Pražák, A. and Jan Lehečka : Automatic Topic Identification for Large Scale Language Modeling Data Filtering . Text, Speech and Dialogue, Lecture Notes in Computer Science, vol. 6836, p. 64-71, Springer, Heidelberg, 2011.

PDF ke stažení

PDF

Další informace


Springerlink

Abstrakt

The paper presents a module for topic identification that is embedded into a complex system for acquisition and storing large volumes of text data from the Web. The module processes each of the acquired data items and assigns keywords to them from a defined topic hierarchy that was developed for this purposes and is also described in the paper. The quality of the topic identification is evaluated in two ways - using classic precision-recall measures and also indirectly, by measuring the ASR performance of the topic-specific language models that are built using the automatically filtered data.

Abstrakt v češtině

Tento článek představuje modul pro identifikaci tématu, který je součástí komplexního systému pro získávání, zpracování a ukládání velkého množství textových dat z webových stránek. Modul zpracovává získaná data a přiřazuje jim klíčová slova z hierarchie témat, která byla vytvořena pro tyto účely. Kvalita identifikace tématu je vyhodnocena dvěma způsoby - za použití klasických měr přesnosti a úplnosti, ale také nepřímo, měřením úspěšnosti ASR systému s použitím tématicky orientovaných jazykových modelů vytvořených z takto automaticky filtrovaných dat.

Detail publikace

Název: Automatic Topic Identification for Large Scale Language Modeling Data Filtering
Autor: Skorkovská, L. ; Ircing, P. ; Pražák, A. ; Jan Lehečka
Název - česky: Automatická identifikace tématu pro filtraci velkého množství dat pro jazykové modelování
Jazyk publikace: anglicky
Datum vydání: 1.9.2011
Rok vydání: 2011
Typ publikace: Článek z časopisu
Název časopisu / knihy: Text, Speech and Dialogue
Svazek: Lecture Notes in Computer Science
Číslo vydání: 6836
Strana: 64 - 71
ISBN: 978-3-642-23537-5
ISSN: 0302-9743
Nakladatel: Springer
Místo vydání: Heidelberg
Datum: 1.9.2011 - 5.9.2011
/ 2012-10-01 13:13:54 /

Klíčová slova

topic identification, language modeling, automatic speech recognition

Klíčová slova v češtině

identifikace tématu, jazykové modelování, automatické rozpoznávání řeči

BibTeX

@ARTICLE{SkorkovskaL_2011_AutomaticTopic,
 author = {Skorkovsk\'{a}, L. and Ircing, P. and Pra\v{z}\'{a}k, A. and Jan Lehe\v{c}ka},
 title = {Automatic Topic Identification for Large Scale Language Modeling Data Filtering},
 year = {2011},
 publisher = {Springer},
 journal = {Text, Speech and Dialogue},
 address = {Heidelberg},
 volume = {6836},
 pages = {64-71},
 series = {Lecture Notes in Computer Science},
 ISBN = {978-3-642-23537-5},
 ISSN = {0302-9743},
 url = {http://www.kky.zcu.cz/en/publications/SkorkovskaL_2011_AutomaticTopic},
}