MACHURA, Jakub, Hana ŽIŽKOVÁ, Adam FRÉMUND a Jan ŠVEC. Is it Possible to Re-educate RoBERTa? Expert-driven Machine Learning for Punctuation Correction. Jazykovedný časopis. Bratislava: Jazykovedný ústav Ľudovíta Štúra Slovenskej akadémie vied, 2023, roč. 74, č. 1, s. 357-368. ISSN 0021-5597. Dostupné z: https://dx.doi.org/10.2478/jazcas-2023-0052.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Is it Possible to Re-educate RoBERTa? Expert-driven Machine Learning for Punctuation Correction
Autoři MACHURA, Jakub (203 Česká republika, domácí), Hana ŽIŽKOVÁ (203 Česká republika, garant, domácí), Adam FRÉMUND (203 Česká republika) a Jan ŠVEC (203 Česká republika).
Vydání Jazykovedný časopis, Bratislava, Jazykovedný ústav Ľudovíta Štúra Slovenskej akadémie vied, 2023, 0021-5597.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 60203 Linguistics
Stát vydavatele Slovensko
Utajení není předmětem státního či obchodního tajemství
WWW URL
Kód RIV RIV/00216224:14210/23:00131927
Organizační jednotka Filozofická fakulta
Doi http://dx.doi.org/10.2478/jazcas-2023-0052
Klíčová slova anglicky comma; Czech; vocative; machine learning; RoBERTa
Štítky rivok
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnila: doc. Mgr. Markéta Ziková, Ph.D., učo 9336. Změněno: 22. 2. 2024 16:25.
Anotace
Although Czech rule-based tools for automatic punctuation insertion rely on extensive grammar and achieve respectable precision, the pre-trained Transformers outperform rule-based systems in precision and recall [hidden reference]. The Czech pre-trained RoBERTa model achieves excellent results, yet a certain level of phenomena is ignored, and the model partially makes errors. This paper aims to investigate whether it is possible to retrain the RoBERTa language model to increase the number of sentence commas the model correctly detects. We have chosen a very specific and narrow type of sentence comma, namely the sentence comma delimiting vocative phrases, which is clearly defined in the grammar and is very often omitted by writers. The chosen approaches were further tested and evaluated on different types of texts.
Návaznosti
MUNI/A/1249/2022, interní kód MUNázev: Lexikon a gramatika češtiny III - 2023
Investor: Masarykova univerzita, Lexikon a gramatika češtiny III - 2023
VytisknoutZobrazeno: 3. 5. 2024 21:23