Initial Studies on Chinese Spoken Document Analysis - Topic Segmentation, Title Generation and Topic Organization
Date Issued
2004
Date
2004
Author(s)
Chen, Shun-Chuan
DOI
zh-TW
Abstract
語音文件是一整個連續時間的語音資料，天生無標點符號、段落資訊，更沒有標註好標題或摘要。加上在網路或其他管道上，每天都有大量的語音文件產生出來。
在這種情況下，要很有效的利用網路上的語音文件是很不容易的。為了提供使用者大量的多媒體資訊，人們需要花大量的時間與金錢來整理並標註語音資料，這是既耗時又沒有效率的作法。於是，以電腦幫助甚至取代人工作語音文件處理，是有必要且嶄新的一種趨勢。
這一篇論文討論了三種重要的語音文件處理技術，分別對於不同的語音文件處理問題提出可行方案。這三個問題分別是：語音文件的自動切割、自動標題產生以及自動主題分析。語音文件切割能自動的將未標註段落資訊的語音文件，自動切割為一則一則有意義的段落。這樣一來就大大有利於觀看或檢索所需的語音文件，減少需要從頭觀看或收聽整個語音文件的時間。
自動標題產生則是自動為語音文件加註標題。這樣一來，要瀏覽並選擇自己所要的語音文件，就再也不需要盲目的摸索了。
對大量語音文件語料的主題分析，能將語料中的主題以視覺化的方式呈現。並以非常自然的方式呈現出文件主題分佈結構。對於處理大量語料的機構而言是相當重要的。
在這篇論文我們針對這三個問題分別做探討與分析，並且設法改正過去方法的缺點，同時發展出幾種嶄新的方法。這篇論文也對於中文語音文件特性作相對應的處理，並實驗了不同種特徵單位在中文語音文件處理上的效果。我們也利用了主動式學習來降低製作訓練語料的時間與花費，深入的探討了各種可能的情形，並詳作分析。
Subjects
標題設定
主題重組
主題切割
Topic Organization
Topic Segmentation
Spoken Document Processing
Title Generation
Type
thesis
File(s)![Thumbnail Image]()
Loading...
Name
ntu-93-R91922026-1.pdf
Size
23.31 KB
Format
Adobe PDF
Checksum
(MD5):2cf73441dccc27b30ea2ed9ae939feb8