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

Tutkimustuotos: Artikkeli kirjassa/raportissa/konferenssijulkaisussaKonferenssiartikkeliTieteellinenvertaisarvioitu


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.
Otsikko22nd Nordic Conference on Computational Linguistics (NoDaLiDa) : Proceedings of the Conference
ToimittajatMareike Hartmann, Barbara Plank
KustantajaLinköping University Electronic Press
Julkaisupäivä30 syyskuuta 2019
ISBN (elektroninen)978-91-7929-995-8
TilaJulkaistu - 30 syyskuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaNordic Conference on Computational Linguistics - Turku, Suomi
Kesto: 30 syyskuuta 20192 lokakuuta 2019
Konferenssinumero: 22


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


  • 113 Tietojenkäsittely- ja informaatiotieteet
  • 6121 Kielitieteet

Siteeraa tätä