Adapt a Text-Oriented Chunker for Oral Data: How Much Manual Effort is Necessary? - Archive ouverte HAL
Communication Dans Un Congrès Année : 2013

Adapt a Text-Oriented Chunker for Oral Data: How Much Manual Effort is Necessary?

Résumé

In this paper, we try three distinct approaches to chunk transcribed oral data with labeling tools learnt from a corpus of written texts. The purpose is to reach the best possible results with the least possible manual correction or re-learning effort.

Mots clés

Chunking machine learning

Domaines

Linguistique
Fichier principal
Vignette du fichier
main.pdf (354.3 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Iris Eshkol, Eshkol-Taravella  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-01174605

Soumis le : jeudi 9 juillet 2015-13:14:23

Dernière modification le : lundi 9 décembre 2024-15:36:45

Archivage à long terme le : mercredi 26 avril 2017-01:43:35

Télécharger pour visualiser

Dates et versions

hal-01174605 , version 1 (09-07-2015)

Identifiants

  • HAL Id : hal-01174605 , version 1

Citer

Isabelle Tellier, Yoann Dupont, Iris Eshkol, Ilaine Wang. Adapt a Text-Oriented Chunker for Oral Data: How Much Manual Effort is Necessary?. 14th International Conference on Intelligent Data Engineering and Automated Learning (IDEAL), Oct 2013, Hefei, China. ⟨hal-01174605⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

ENS-PARIS BNF UNIV-TOURS CNRS UNIV-ORLEANS UNIV-PARIS3 LATTICE LLL PSL
174 Consultations
402 Téléchargements

Partager

More