BriefGPT - AI 论文速递
·
Mining Word Boundaries from Speech-Text Parallel Data for Cross-Domain Chinese Word Segmentation
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究针对中文分词中的词边界识别问题，采用语音-文本平行数据和Montreal Forced Aligner工具进行字符级对齐，提出了一种基于概率的过滤策略，实验结果表明该方法有效提升了分词性能。
🎯
关键要点
- 本研究解决了中文分词中利用语音-文本平行数据识别词边界的问题。
- 使用Montreal Forced Aligner工具对语音和文本数据进行字符级对齐。
- 提出基于概率的策略以过滤不可靠的词边界。
- 采用“先完整后训练”的方法更有效地利用词边界作为额外训练数据。
- 实验结果表明，所提方法有效提升了跨领域中文分词的性能。
➡️
