Atnaujinkite slapukų nuostatas

El. knyga: Statistical Language and Speech Processing: 9th International Conference, SLSP 2021, Virtual Event, November 22-26, 2021, Proceedings

Edited by , Edited by , Edited by

DRM apribojimai

  • Kopijuoti:

    neleidžiama

  • Spausdinti:

    neleidžiama

  • El. knygos naudojimas:

    Skaitmeninių teisių valdymas (DRM)
    Leidykla pateikė šią knygą šifruota forma, o tai reiškia, kad norint ją atrakinti ir perskaityti reikia įdiegti nemokamą programinę įrangą. Norint skaityti šią el. knygą, turite susikurti Adobe ID . Daugiau informacijos  čia. El. knygą galima atsisiųsti į 6 įrenginius (vienas vartotojas su tuo pačiu Adobe ID).

    Reikalinga programinė įranga
    Norint skaityti šią el. knygą mobiliajame įrenginyje (telefone ar planšetiniame kompiuteryje), turite įdiegti šią nemokamą programėlę: PocketBook Reader (iOS / Android)

    Norint skaityti šią el. knygą asmeniniame arba „Mac“ kompiuteryje, Jums reikalinga  Adobe Digital Editions “ (tai nemokama programa, specialiai sukurta el. knygoms. Tai nėra tas pats, kas „Adobe Reader“, kurią tikriausiai jau turite savo kompiuteryje.)

    Negalite skaityti šios el. knygos naudodami „Amazon Kindle“.

This book constitutes the proceedings of the 9th International Conference on Statistical Language and Speech Processing, SLSP 2021, held in Cardiff, UK, in November 2021.

The 9 full papers presented in this volume were carefully reviewed and selected from 21 submissions. The papers present topics of either theoretical or applied interest discussing the employment of statistical models (including machine learning) within language and speech processing.

Language.- Improving German Image Captions using Machine Translation
and
Transfer Learning.- Automatic News Article Generation from Legislative
Proceedings: A Phenom-based Approach.- Comparison of Czech Transformers on
Text Classification Tasks.- Constructing Sentiment Lexicon with Game for
Annotation Collection.- Robustness of Named Entity Recognition: Case of
Latvian.- Speech.- Use of Speaker Metadata for Improving Automatic
Pronunciation Assessment.- Augmenting ASR for user-generated videos with
semi-supervised training and acoustic model adaptation for Spoken Content
Retrieval.- Various DNN-HMM Architectures Used in Acoustic Modeling with
Single-Speaker and Single-Channel Invariant Representation Learning for
Robust Far-Field Speaker Recognition.