Statistical learning of sub-words in Vietnamese language

D. Q. NguyenT. H. Le

Khoa Kỹ Thuật

Thể loại: Kỷ yếu

Sơ lược nội dung

Sub-words have recently attracted much attention and employed to improve many natural language processing applications. In this paper, we suggest a procedure to extract sub-word units from a text collection. The subword units are evaluated on two Vietnamese databases to analyze and discuss their statistics and characteristics for Vietnamese language, including sub-word types, sub-word frequency, top sub-word distribution and unknown sub-words in different text types. The experimental results also point out several problems in training and testing data splitting in a current Vietnamese language processing example of Optical Character Recognition (OCR) error correction. Keywords: Sub-word, bigram, trigram, statistics.

Thông tin chung
Thể loại
Kỷ yếu
Năm xuất bản
05 Thg11 2021
Ngôn ngữ gốc
Tiếng Anh
Tạp chí công bố
AIP Conference Proceedings
Ấn phẩm số
Vol. 2420, No. 010001 (2021)
Loại tạp chí
Danh mục Scopus
Mã ISBN
978-0-7354-4137-8
Chất lượng
Không phân Q

Tài liệu tham khảo

Để đọc toàn văn của bài báo này, bạn có thể yêu cầu một bản sao đầy đủ trực tiếp từ các tác giả.