Poste de recherche
Conversion G2P et P2G à faibles ressources avec des données d'entraînement synthétiques
Résumé
Cet article présente les systèmes et les résultats de l'Université de l'Alberta dans le cadre de la tâche 1 de SIGMORPHON 2020 : Conversion graphème-phonème multilingue. Conformément aux tâches partagées précédentes de SIGMORPHON, nous définissons un environnement à faibles ressources avec 100 instances d'entraînement. Nous expérimentons trois approches de transduction dans les environnements standard et à faibles ressources, ainsi que sur la tâche connexe de conversion phonème-graphème. Nous proposons une méthode pour synthétiser les données d'entraînement en utilisant une combinaison de divers modèles.
Derniers documents de recherche
26 février 2023
Poste de recherche
Identification des émotions de base et des émotions spécifiques à la dépression dans les tweets : Expériences de classification multi-label
23 janvier 2023
Poste de recherche
Questions faiblement supervisées pour l'extraction de relations de type "zéro".
8 août 2022
Poste de recherche
Mise à jour des visualisations de données affichées en fonction des centres de conversation identifiés dans les commandes en langage naturel.
Lisez ce document de recherche co-rédigé par Angel Chang, titulaire de la chaire d'IA de l'ICAR Canada : Apprentissage des traces emphatiques attendues pour le RL profond
