| Title: | Automatic topic identification for large scale language modeling data filtering |
| Other Titles: | Automatická identifikace tématu pro filtraci velkého množství dat pro jazykové modelování |
| Authors: | Skorkovská, Lucie Ircing, Pavel Pražák, Aleš Lehečka, Jan |
| Citation: | SKORKOVSKÁ, Lucie; IRCING, Pavel; PRAŽÁK, Aleš; LEHEČKA, Jan. Automatic topic identification for large scale language modeling data filtering. In:Text, speech and dialogue. Berlin: Springer, 2011, p. 64-71. (Lecture notes in computer science; 6836). ISBN 978-3-642-23537-5. |
| Issue Date: | 2011 |
| Publisher: | Springer |
| Document type: | článek article |
| URI: | http://www.kky.zcu.cz/cs/publications/SkorkovskaL_2011_AutomaticTopic http://hdl.handle.net/11025/16984 |
| ISBN: | 978-3-642-23537-5 |
| Keywords: | identifikace tématu;jazykové modelování;automatické rozpoznávání řeči |
| Keywords in different language: | topic identification;language modelling;automatic speech recognition |
| Abstract: | 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. |
| Abstract in different language: | 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. |
| Rights: | © Lucie Skorkovská - Pavel Ircing - Aleš Pražák - Jan Lehečka |
| Appears in Collections: | Články / Articles (KKY) Články / Articles (NTIS) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| SkorkovskaL_2011_AutomaticTopic.pdf | Plný text | 172,9 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/16984Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.