Predicting Prosodic Prominence from Text with Pre-trained Contextualized Word Representations

Tutkimustuotos: Artikkeli kirjassa/raportissa/konferenssijulkaisussaKonferenssiartikkeliTieteellinenvertaisarvioitu

Abstrakti

In this paper we introduce a new natural language processing dataset and benchmark for predicting prosodic prominence from written text. To our knowledge this will be the largest publicly available dataset with prosodic labels. We describe the dataset construction and the resulting benchmark dataset in detail and train a number of different models ranging from feature-based classifiers to neural network systems for the prediction of discretized prosodic prominence. We show that pre-trained contextualized word representations from BERT outperform the other models even with less than 10% of the training data. Finally we discuss the dataset in light of the results and point to future research and plans for further improving both the dataset and methods of predicting prosodic prominence from text. The dataset and the code for the models are publicly available.
Alkuperäiskielienglanti
Otsikko22nd Nordic Conference on Computational Linguistics (NoDaLiDa) : Proceedings of the Conference
ToimittajatMareike Hartmann, Barbara Plank
Sivumäärä10
JulkaisupaikkaLinköping
KustantajaLinköping University Electronic Press
Julkaisupäivä30 syysk. 2019
Sivut281–290
ISBN (elektroninen)978-91-7929-995-8
TilaJulkaistu - 30 syysk. 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaNordic Conference on Computational Linguistics - Turku, Suomi
Kesto: 30 syysk. 20192 lokak. 2019
Konferenssinumero: 22
https://nodalida2019.org/

Julkaisusarja

NimiLinköping Electronic Conference Proceedings
KustantajaLinköping University Electronic Press
Numero167
ISSN (painettu)1650-3686
ISSN (elektroninen)1650-3740
NimiNEALT Proceedings Series
Numero42

Tieteenalat

  • 113 Tietojenkäsittely- ja informaatiotieteet
  • 6121 Kielitieteet

Siteeraa tätä