Transformer-Based Automatic Punctuation Prediction and Word Casing Reconstruction of the ASR Output

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F21%3A43962409" target="_blank" >RIV/49777513:23520/21:43962409 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-83527-9_7" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-83527-9_7</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-83527-9_7" target="_blank" >10.1007/978-3-030-83527-9_7</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Transformer-Based Automatic Punctuation Prediction and Word Casing Reconstruction of the ASR Output

Popis výsledku v původním jazyce

The paper proposes a module for automatic punctuation prediction and casing reconstruction based on transformers architectures (BERT/T5) that constitutes the current state-of-the-art in many similar NLP tasks. The main motivation for our work was to increase the readability of the ASR output. The ASR output is usually in the form of a continuous stream of text, without punctuation marks and with all words in lowercase. The resulting punctuation and casing reconstruction module is evaluated on both the written text and the actual ASR output in three languages (English, Czech and Slovak).

Název v anglickém jazyce

Transformer-Based Automatic Punctuation Prediction and Word Casing Reconstruction of the ASR Output

Popis výsledku anglicky

The paper proposes a module for automatic punctuation prediction and casing reconstruction based on transformers architectures (BERT/T5) that constitutes the current state-of-the-art in many similar NLP tasks. The main motivation for our work was to increase the readability of the ASR output. The ASR output is usually in the form of a continuous stream of text, without punctuation marks and with all words in lowercase. The resulting punctuation and casing reconstruction module is evaluated on both the written text and the actual ASR output in three languages (English, Czech and Slovak).

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/TN01000024" target="_blank" >TN01000024: Národní centrum kompetence - Kybernetika a umělá inteligence</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech, and Dialogue 24th International Conference, TSD 2021, Olomouc, Czech Republic, September 6–9, 2021, Proceedings

ISBN

978-3-030-83526-2

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

9

Strana od-do

86-94

Název nakladatele

Springer International Publishing

Místo vydání

Cham

Místo konání akce

Olomouc, Czech Republic

Datum konání akce

6. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—