Recuperação da pontuação em texto produzido por sistemas de reconhecimento

From HLT@INESC-ID

Revision as of 08:46, 9 May 2006 by David (Talk | contribs)

(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)

Proposta de Trabalho Final de Curso 2006/2007


Orientação

Objectivo

Descrição

A saída de um sistema de reconhecimento automático de fala é uma sequência de palavras sem qualquer tipo de pontuação. A marcação das fronteiras de frase e de outros tipos de pontuação é útil para:

  1. melhorar o desempenho do sistema de reconhecimento propriamente dito;
  2. permitir diferentes tipos de processamento da dita sequência de palavras (incluindo extracção de informação, sumarização, tradução, identificação de tomadas de palavra em diálogos, etc.);
  3. aumentar a legibilidade da sequência por um leitor humano.

Por exemplo, num sistema de diálogo falado, há que distinguir quando é que uma pausa sinaliza que o utilizador acabou a frase que pretende comunicar ao sistema, ou quando essa pausa corresponde a uma hesitação ou pausa gramatical.

Outro exemplo da importância da pontuação diz respeito a interrogativas. Numa frase terminada por uma interrogativa-tag como "não é?", tão frequente em fala espontânea, a não inserção do "?" pode distorcer completamente o sentido dessa frase e da seguinte.

Os métodos computacionais para recuperar a pontuação escondida em fala envolvem tipicamente uma combinação de modelos de língua do tipo n-grama e de classificadores prosódicos probabilísticos. Neste trabalho testar-se-ão vários tipos de características, classificadores e métodos de combinação de diferentes fontes de informação. Estudar-se-ão também estratégias para lidar com múltiplas hipóteses de sequências de palavras fornecidas pelo reconhecedor. O tratamento de pausas preenchidas, sobretudo quando delimitadas por longos silêncios, será também objecto de estudo, dado que não devem ser tratadas como separadores de frase.

Outros Dados

  • Áreas Científicas:
  • Local de trabalho: L²F (INESC-ID Lisboa).