Buchumschlag

Mining Word Boundaries from Speech-Text Parallel Data for Cross-domain Chinese Word Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Xuebin, Zhang, Lei, Li, Zhenghua, Zhou, Shilin, Gong, Chen, Hou, Yang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Character-Level Chinese Dependency Parsing via Modeling Latent Intra-Word Structure
von: Hou, Yang, et al.
Veröffentlicht: (2024)

Parsing Through Boundaries in Chinese Word Segmentation
von: Chen, Yige, et al.
Veröffentlicht: (2025)

JSPG: Dynamic Dictionary Filtering via Joint Semantic-Pinyin-Glyph Retrieval for Chinese Contextual ASR
von: Zhou, Shilin, et al.
Veröffentlicht: (2026)

Chinese Word Boundary Recovery through Character Alignment Projection
von: Wang, Lusha, et al.
Veröffentlicht: (2026)

Word Segmentation for Asian Languages: Chinese, Korean, and Japanese
von: Rho, Matthew, et al.
Veröffentlicht: (2024)

UniSLU: Unified Spoken Language Understanding from Heterogeneous Cross-Task Datasets
von: Sheng, Zhichao, et al.
Veröffentlicht: (2025)

Improving Contextual ASR via Multi-grained Fusion with Large Language Models
von: Zhou, Shilin, et al.
Veröffentlicht: (2025)

Self-Correction Makes LLMs Better Parsers
von: Zhang, Ziyan, et al.
Veröffentlicht: (2025)

Mandarin Chinese Words and Parts of Speech
von: Huang, Chu-Ren, et al.
Veröffentlicht: (2021)

BabyLM's First Words: Word Segmentation as a Phonological Probing Task
von: Goriely, Zébulon, et al.
Veröffentlicht: (2025)

Worlds Within Words: Translating Culture in Ancient Chinese Texts with Multi-Agent Coordination
von: He, Xiaoqi, et al.
Veröffentlicht: (2026)

Chinese ModernBERT with Whole-Word Masking
von: Zhao, Zeyu, et al.
Veröffentlicht: (2025)

Using Context to Improve Word Segmentation
von: Hu, Stephanie, et al.
Veröffentlicht: (2025)

Mark My Words: A Robust Multilingual Model for Punctuation in Text and Speech Transcripts
von: Pulipaka, Sidharth, et al.
Veröffentlicht: (2025)

Span-Aggregatable, Contextualized Word Embeddings for Effective Phrase Mining
von: Orbach, Eyal, et al.
Veröffentlicht: (2024)

A Comparative Analysis of Word Segmentation, Part-of-Speech Tagging, and Named Entity Recognition for Historical Chinese Sources, 1900-1950
von: Fang, Zhao, et al.
Veröffentlicht: (2025)

Cross-Lingual Word Alignment for ASEAN Languages with Contrastive Learning
von: Zhang, Jingshen, et al.
Veröffentlicht: (2024)

Speech is More Than Words: Do Speech-to-Text Translation Systems Leverage Prosody?
von: Tsiamas, Ioannis, et al.
Veröffentlicht: (2024)

From Word to World: Evaluate and Mitigate Culture Bias in LLMs via Word Association Test
von: Dai, Xunlian, et al.
Veröffentlicht: (2025)

Implicit Word Reordering with Knowledge Distillation for Cross-Lingual Dependency Parsing
von: Li, Zhuoran, et al.
Veröffentlicht: (2025)

Fast Word Error Rate Estimation Using Self-Supervised Representations for Speech and Text
von: Park, Chanho, et al.
Veröffentlicht: (2023)

Mixture of Small and Large Models for Chinese Spelling Check
von: Qiao, Ziheng, et al.
Veröffentlicht: (2025)

From Words to Worlds: Benchmarking Cross-Cultural Cultural Understanding in Machine Translation
von: Han, Bangju, et al.
Veröffentlicht: (2026)

RealTalk-CN: A Realistic Chinese Speech-Text Dialogue Benchmark With Cross-Modal Interaction Analysis
von: Wang, Enzhi, et al.
Veröffentlicht: (2025)

From Word2Vec to Transformers: Text-Derived Composition Embeddings for Filtering Combinatorial Electrocatalysts
von: Zhang, Lei, et al.
Veröffentlicht: (2026)

SWE2: SubWord Enriched and Significant Word Emphasized Framework for Hate Speech Detection
von: Mou, Guanyi, et al.
Veröffentlicht: (2024)

Word Boundary Information Isn't Useful for Encoder Language Models
von: Gow-Smith, Edward, et al.
Veröffentlicht: (2024)

WESR: Scaling and Evaluating Word-level Event-Speech Recognition
von: Yang, Chenchen, et al.
Veröffentlicht: (2026)

Beyond Word Boundaries: A Hebrew Coreference Benchmark and an Evaluation Protocol for Morphologically Complex Text
von: Greenfeld, Refael Shaked, et al.
Veröffentlicht: (2026)

Constructing Cross-lingual Consumer Health Vocabulary with Word-Embedding from Comparable User Generated Content
von: Chang, Chia-Hsuan, et al.
Veröffentlicht: (2022)

ArEEG_Words: Dataset for Envisioned Speech Recognition using EEG for Arabic Words
von: Darwish, Hazem, et al.
Veröffentlicht: (2024)

From Word to World: Can Large Language Models be Implicit Text-based World Models?
von: Li, Yixia, et al.
Veröffentlicht: (2025)

CopyNE: Better Contextual ASR by Copying Named Entities
von: Zhou, Shilin, et al.
Veröffentlicht: (2023)

SAMGPT: Text-free Graph Foundation Model for Multi-domain Pre-training and Cross-domain Adaptation
von: Yu, Xingtong, et al.
Veröffentlicht: (2025)

A Sea of Words: An In-Depth Analysis of Anchors for Text Data
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2022)

Word Order's Impacts: Insights from Reordering and Generation Analysis
von: Zhao, Qinghua, et al.
Veröffentlicht: (2024)

Word Chain Generators for Prefix Normal Words
von: Adamson, Duncan, et al.
Veröffentlicht: (2025)

Cross-domain Chinese Sentence Pattern Parsing
von: Yu, Jingsi, et al.
Veröffentlicht: (2024)

Continuously Learning New Words in Automatic Speech Recognition
von: Huber, Christian, et al.
Veröffentlicht: (2024)

Segment First or Comprehend First? Explore the Limit of Unsupervised Word Segmentation with Large Language Models
von: Zhang, Zihong, et al.
Veröffentlicht: (2025)