Automatic Topic Identification for Large Scale Language Modeling Data Filtering

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F11%3A43898188" target="_blank" >RIV/49777513:23520/11:43898188 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-23538-2_9" target="_blank" >http://dx.doi.org/10.1007/978-3-642-23538-2_9</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-23538-2_9" target="_blank" >10.1007/978-3-642-23538-2_9</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic Topic Identification for Large Scale Language Modeling Data Filtering

Popis výsledku v původním jazyce

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 performanceof the topic-specific language models that are built using the automatically filtered data.

Název v anglickém jazyce

Automatic Topic Identification for Large Scale Language Modeling Data Filtering

Popis výsledku anglicky

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 performanceof the topic-specific language models that are built using the automatically filtered data.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/TA01011264" target="_blank" >TA01011264: Eliminace jazykových bariér handicapovaných diváků České televize II</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2011

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Lecture Notes in Computer Science

ISSN

0302-9743

e-ISSN

—

Svazek periodika

2011

Číslo periodika v rámci svazku

6836

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

8

Strana od-do

64-71

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—