Andere Kunden interessierten sich auch für
![Klassifizierung der Kartoffelblattkrankheit]( "Klassifizierung der Kartoffelblattkrankheit")
Klassifizierung der Kartoffelblattkrankheit43,90 €![DeepCOPD: COPD-Erkennung mittels Deep Learning]( "DeepCOPD: COPD-Erkennung mittels Deep Learning")
DeepCOPD: COPD-Erkennung mittels Deep Learning43,90 €![Entwicklung eines Vorhersagemodells für den Status der HIV/AIDS-Epidemie mithilfe von Maschinen]( "Entwicklung eines Vorhersagemodells für den Status der HIV/AIDS-Epidemie mithilfe von Maschinen")
Entwicklung eines Vorhersagemodells für den Status der HIV/AIDS-Epidemie mithilfe von Maschinen43,90 €![Vorhersage von Brustkrebs mit verschiedenen Methoden des maschinellen Lernens]( "Vorhersage von Brustkrebs mit verschiedenen Methoden des maschinellen Lernens")
Vorhersage von Brustkrebs mit verschiedenen Methoden des maschinellen Lernens54,90 €![Vorhersage von Leberzirrhose durch maschinelles Lernen]( "Vorhersage von Leberzirrhose durch maschinelles Lernen")
Vorhersage von Leberzirrhose durch maschinelles Lernen50,90 €![Maschinelles Lernen zur Identifizierung optimaler Cluster in MRI-Bildern]( "Maschinelles Lernen zur Identifizierung optimaler Cluster in MRI-Bildern")
Maschinelles Lernen zur Identifizierung optimaler Cluster in MRI-Bildern39,90 €![Entwerfen einer wetterbasierten Webanwendung]( "Entwerfen einer wetterbasierten Webanwendung")
Entwerfen einer wetterbasierten Webanwendung43,90 €
Mit der Weiterentwicklung der automatischen Spracherkennung (ASR) werden in unserem täglichen Leben immer mehr Anwendungen der natürlichen Sprachverarbeitung (NLP) eingesetzt, wie z. B. die Übersetzung gesprochener Sprache, die automatische Beantwortung von Fragen, die Sprachinformationsabfrage usw. Beim Umgang mit erkannter spontaner Sprache treten mehrere natürliche Probleme auf. Erstens enthält erkannte Sprache keine Informationen zu Satzzeichen oder Satzgrenzen. Zweitens enthält spontane Sprache Unflüssigkeiten, die keine nützlichen inhaltlichen Informationen enthalten. Das Fehlen von Satzzeichen und Satzgrenzeninformationen und das Vorhandensein von Unflüssigkeiten beeinträchtigen die Leistung nachgelagerter NLP-Aufgaben. Ziel dieser Arbeit ist es daher, Algorithmen zu entwickeln oder zu verbessern, um Satzgrenzen automatisch zu erkennen, Satzzeichen hinzuzufügen und unflüssige Wörter in erkannter Sprache zu identifizieren, um die Leistung nachgelagerter NLP-Aufgaben zu verbessern.