Postępy w przewidywaniu interpunkcji i nieplynności

Wraz z rozwojem technologii automatycznego rozpoznawania mowy (ASR), coraz wi¿cej aplikacji przetwarzania j¿zyka naturalnego (NLP) jest wykorzystywanych w naszym codziennym ¿yciu, takich jak t¿umaczenie j¿zyka mówionego, automatyczne odpowiadanie na pytania, wyszukiwanie informacji o mowie itp. Gdy mamy do czynienia z rozpoznan¿ mow¿ spontaniczn¿, pojawia si¿ kilka naturalnych problemów. Po pierwsze, rozpoznana mowa nie zawiera informacji o interpunkcji lub granicach zdä. Po drugie, mowa spontaniczna zawiera niep¿ynno¿¿, która nie niesie ze sob¿ ¿adnych u¿ytecznych informacji o tre¿ci. Brak interpunkcji i informacji o granicach zdä oraz obecno¿¿ niep¿ynno¿ci wp¿ywaj¿ na wydajno¿¿ dalszych zadä NLP. Dlatego celem tej pracy jest opracowanie lub ulepszenie algorytmów automatycznego wykrywania granic zdä, dodawania interpunkcji i identyfikowania niep¿ynnych s¿ów w rozpoznanej mowie, aby poprawi¿ wydajno¿¿ dalszych zadä NLP.