TAILIEUCHUNG - Báo cáo khoa học: "Splitting Long or Ill-formed Input for Robust Spoken-language Translation"

This paper proposes an input-splitting method for translating spoken-language which includes many long or ill-formed expressions. The proposed method splits input into well-balanced translation units based on a semantic distance calculation. The splitting is performed during left-to-right parsing, and does not degrade translation efficiency. The complete translation result is formed by concatenating the partial translation results of each split unit. The proposed method can be incorporated into frameworks like TDMT, which utilize left-to-right parsing and a score for a substructure. . | Splitting Long or Ill-formed Input for Robust Spoken-language Translation Osamu FURUSE 1 Setsuo YAMADA Kazuhide YAMAMOTO ATR Interpreting Telecommunications Research Laboratories 2-2 Hikaridai Seika-cho Soraku-gun Kyoto 619-0288 Japan syamada yamamoto @ Abstract This paper proposes an input-splitting method for translating spoken-language which includes many long or ill-formed expressions. The proposed method splits input into well-balanced translation units based on a semantic distance calculation. The splitting is performed during left-to-right parsing and does not degrade translation efficiency. The complete translation result is formed by concatenating the partial translation results of each split unit. The proposed method can be incorporated into frameworks like TDMT which utilize left-to-right parsing and a score for a substructure. Experimental results show that the proposed method gives TDMT the following advantages 1 elimination of null outputs 2 splitting of utterances into sentences and 3 robust translation of erroneous speech recognition results. 1 Introduction A spoken-language translation system requires the ability to treat long or ill-formed input. An utterance as input of a spoken-language translation system is not always one well-formed sentence. Also when treating an utterance in speech translation the speech recognition result which is the input of the translation component might be corrupted even though the input utterance is well-formed. Such a misrecognized result can cause a parsing failure and consequently no translation output would be produced. Furthermore we cannot expect that a speech recognition result includes punctuation marks such as a comma or a period between words which are useful information for parsing. 1 As a solution for treating long input long-sentence splitting techniques such as that of Current affiliation is NTT Communication Science Laboratories. 1 Punctuation marks are not used

• Báo cáo khoa học
• Splitting Long
• Ill formed Input
• Robust Spoken language Translation
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học