利用数据增强改进自发性临床言语的词性标注
Improved POS tagging for spontaneous, clinical speech using data augmentation
AI总结：
本文针对临床自发性言语转写文本的POS标注问题，提出在领域外新闻树库上结合数据增强训练句法分析器，并在神经退行性疾病患者言语上验证性能。
摘要：
本文解决改进临床人群言语转写文本词性（POS）标注的问题。与以往关于转写言语句法分析和词性标注的工作不同，本文不使用领域内树库进行训练，而是在新闻专线这一领域外树库上训练，并采用数据增强技术，使这些结构更接近自然、自发性言语。我们分别使用增强数据和不使用增强数据训练了一个句法分析器，并利用经人工验证的词性标签，在各类神经退行性疾病患者产生的临床言语上测试其性能。
英文摘要：
This paper addresses the problem of improving POS tagging of transcripts of speech from clinical populations. In contrast to prior work on parsing and POS tagging of transcribed speech, we do not make use of an in domain treebank for training. Instead, we train on an out of domain treebank of newswire using data augmentation techniques to make these structures resemble natural, spontaneous speech. We trained a parser with and without the augmented data and tested its performance using manually validated POS tags in clinical speech produced by patients with various types of neurodegenerative conditions.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
