@正在进行{jauhiainn-etal-2018-heli-based,title=“基于{H}e{LI}的{S}wiss{G}erman方言识别实验”,author=“Jauhiainen、Tommi和Jauhiainen、Heidi和林德,克里斯特“,editor={赞佩里、马科斯和纳科夫、普雷斯拉夫和卢布、尼古拉和Tiedemann,J{“o}rg和马尔马西、舍文和艾哈迈德·阿里,booktitle=“类似语言、变体和方言{NLP}第五次研讨会论文集({V}ar{D}ial 2018)”,月=八月,年份=“2018”,address=“美国新墨西哥州圣达菲”,publisher=“计算语言学协会”,url=“https://aclantology.org/W18-3929”,pages=“254--262”,抽象=“在本文中,我们展示了SUKI团队在VarDial 2018评估活动德国方言识别共享任务中的实验和结果。我们使用HeLI和自适应语言模型提交的报告在共享任务中获得了最佳结果,宏F1核心为0.686,明显高于其他提交的结果s.如果测试集上没有某种形式的无监督适应,共享任务的数据集之间的域差异水平可能不可能达到F1核那么高。我们详细描述了使用的方法,以及在共享任务期间进行的一些附加实验。”,}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“jauhiain-etal-2018-heli-based”><标题信息>基于HeLI的瑞士德语方言识别实验</titleInfo><name type=“个人”>汤米Jauhiainen<角色>作者</角色></name><name type=“个人”><namePart type=“given”>Heidi</namePart>海蒂Jauhiainen<角色>作者</角色></name><name type=“个人”>克里斯特<namePart type=“family”>林登</namePart><角色>作者</角色></name><originInfo>2018-08发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息><title>第五届类似语言、变体和方言NLP研讨会会议记录(VarDial 2018)</titleInfo><name type=“个人”>马科斯赞佩里<角色>编辑器</角色></name><name type=“个人”>普雷斯拉夫纳科夫<角色>编辑器</角色></name><name type=“个人”>尼古拉Ljubešić<角色>编辑器</角色></name><name type=“个人”>Jörg蒂德曼<角色>编辑器</角色></name><name type=“个人”>谢尔文马尔马西<角色>编辑器</角色></name><name type=“个人”>艾哈迈德阿里<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>美国新墨西哥州圣达菲</place></originInfo>会议出版物</relatedItem><abstract>在本文中,我们介绍了SUKI团队在VarDial 2018评估活动的德语方言识别共享任务中的实验和结果。我们使用带有自适应语言模型的HeLI提交的文件在共享任务中获得了最佳结果,宏F1的核为0.686,明显高于其他提交的结果。如果测试集上没有某种形式的无监督适应,共享任务的数据集之间的域差异可能无法达到F1-核的高度。我们详细描述了使用的方法,以及在共享任务期间进行的一些附加实验</摘要>jauhiain-etal-2018-heli-based(基于直升机)<位置><网址>https://aclantology.org/W18-3929</url></位置><部分>2018-08年<日期><扩展单元=“page”><开始>254<end>262</范围></部分></mods></modsCollection>
%0会议记录%基于T HeLI的瑞士德语方言识别实验%汤米,A Jauhiainen%海蒂·A Jauhiainen%克里斯特·A Lindén%马科斯·赞佩里%普雷斯拉夫·纳科夫%尼古拉·Y Ljubešić%Y Tiedemann,约格%Y Malmasi,Shervin%艾哈迈德·亚里%第五届类似语言、变体和方言NLP研讨会论文集(VarDial 2018)%2018年D月%8月8日%计算语言学协会%C圣菲,美国新墨西哥州%F jauhiain-etal-2018-氦基%X在本文中,我们介绍了SUKI团队在VarDial 2018评估活动的德语方言识别共享任务中的实验和结果。我们使用带有自适应语言模型的HeLI提交的文件在共享任务中获得了最佳结果,宏F1的核为0.686,明显高于其他提交的结果。如果测试集上没有某种形式的无监督适应,共享任务的数据集之间的域差异可能无法达到F1-核的高度。我们详细描述了所使用的方法,以及在共享任务期间进行的一些额外实验。%U型https://aclantology.org/W18-3929%电话254-262
降价(非正式)
【基于HeLI的瑞士德语方言识别实验】(https://aclantology.org/W18-3929)(Jauhiainen等人,VarDial 2018)
国际计算语言学协会
- 托米·柳希安、海蒂·柳希恩和克里斯特·林登。2018基于HeLI的瑞士德语方言识别实验.英寸第五届类似语言、变体和方言NLP研讨会会议记录(VarDial 2018),第254-262页,美国新墨西哥州圣菲。计算语言学协会。