D 2017

Text Punctuation: An Inter-annotator Agreement Study

BOHÁČ, Marek, Michal ROTT a Vojtěch KOVÁŘ

Základní údaje

Originální název

Text Punctuation: An Inter-annotator Agreement Study

Autoři

BOHÁČ, Marek (203 Česká republika), Michal ROTT (203 Česká republika) a Vojtěch KOVÁŘ (203 Česká republika, garant, domácí)

Vydání

Cham, Text, Speech, and Dialogue: 20th International Conference, TSD 2017, od s. 120-128, 9 s. 2017

Nakladatel

Springer International Publishing

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/17:00095096

Organizační jednotka

Fakulta informatiky

ISBN

978-3-319-64205-5

ISSN

DOI

UT WoS

000449869200014

Klíčová slova česky

doplňování čárek;mluvený jazyk;mezianotátorská shoda

Klíčová slova anglicky

Comma adding;Spoken language;Inter-annotator agreement

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 27. 4. 2020 23:37, Mgr. Michal Petr

Anotace

ORIG CZ

V originále

Spoken language is a phenomenon which is hard to be annotated accurately. One of the most ambiguous tasks is to fill in the punctuation marks into the spoken language transcription. Used punctuation marks are often dependent on how annotators understand the transcription content. This may differ as the spoken language often lacks clear structure (inherent to written language) due to the utterance spontaneity or due to skipping between ideas. Therefore we suspect that filling commas into the spoken language transcription is a very ambiguous task with low inter-annotator agreement (IAA). In this paper we analyze the IAA within group of annotators and we propose methods to increase it. We also propose and evaluate a reformulation of classical GT annotations for cases with multiple annotations available.

Česky

Článek se zabývá problematikou doplňování čárek do mluveného textu, zejména mezianotátorskou shodou a přesností současných počítačových programů.

Návaznosti

GA15-13277S, projekt VaV
Název: Hyperintensionální logika pro analýzu přirozeného jazyka
Investor: Grantová agentura ČR, Hyperintensionální logika pro analýzu přirozeného jazyka
LM2015071, projekt VaV
Název: Jazyková výzkumná infrastruktura v České republice (Akronym: LINDAT-Clarin)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum
MUNI/A/0897/2016, interní kód MU
Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VI.
Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VI., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty