Postępy w przewidywaniu interpunkcji i niepłynności

Wraz z rozwojem technologii automatycznego rozpoznawania mowy (ASR) coraz więcej aplikacji przetwarzania języka naturalnego (NLP) jest wykorzystywanych w naszym codziennym życiu takich jak tłumaczenie języka mówionego automatyczne odpowiadanie na pytania wyszukiwanie informacji o mowie itp. Gdy mamy do czynienia z rozpoznaną mową spontaniczną pojawia się kilka naturalnych problemów. Po pierwsze rozpoznana mowa nie zawiera informacji o interpunkcji lub granicach zdań. Po drugie mowa spontaniczna zawiera niepłynność która nie niesie ze sobą żadnych użytecznych informacji o treści. Brak interpunkcji i informacji o granicach zdań oraz obecność niepłynności wpływają na wydajność dalszych zadań NLP. Dlatego celem tej pracy jest opracowanie lub ulepszenie algorytmów automatycznego wykrywania granic zdań dodawania interpunkcji i identyfikowania niepłynnych słów w rozpoznanej mowie aby poprawić wydajność dalszych zadań NLP.