University of Regensburg @ SwissText 2021 SEPP-NLG: Adding Sentence Structure to Unpunctuated Text

URN zum Zitieren dieses Dokuments:: urn:nbn:de:bvb:355-epub-493520

Donabauer, Gregor ; Kruschwitz, Udo

Vorschau

Lizenz: Creative Commons Namensnennung 4.0 International
PDF - Veröffentlichte Version
(202kB)

Veröffentlichungsdatum dieses Volltextes: 08 Okt 2021 05:20

Alternative Links zum Volltext:Verlag

Details

Dokumentenart:	Konferenz- oder Workshop-Beitrag (Paper)
Buchtitel:	SwissText 2021. Proceedings of the Swiss Text Analytics Conference 2021 Winterthur, Switzerland, June 14-16, 2021 (held online due to COVID19 pandemic)
Verlag:	RWTH Aachen
Ort der Veröffentlichung:	Aachen
Sonstige Reihe:	CEUR workshop proceedings
Band:	2957
Datum:	Juni 2021
Institutionen:	Sprach- und Literatur- und Kulturwissenschaften > Institut für Information und Medien, Sprache und Kultur (I:IMSK) > Lehrstuhl für Informationswissenschaft (Prof. Dr. Udo Kruschwitz) Informatik und Data Science > Fachbereich Menschzentrierte Informatik > Lehrstuhl für Informationswissenschaft (Prof. Dr. Udo Kruschwitz)
Stichwörter / Keywords:	language-specific BERT models, text processing, language
Dewey-Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke > 020 Bibliotheks- und Informationswissenschaft
Status:	Veröffentlicht
Begutachtet:	Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:	Ja
Dokumenten-ID:	49352

Vorschau

Bibliographische Daten exportieren

Zusammenfassung

This paper describes our approach (UR- mSBD) to address the shared task on Sentence End and Punctuation Prediction in NLG Text (SEPP-NLG) organised as part of SwissText 2021. We participated in Subtask 1 (fully un- punctuated sentences – full stop detection) and submitted a run for every featured language (English, German, French, Italian). Our sub- missions are based on pre-trained BERT ...