PulseAugur
中
实时 11:04:28
English(EN) Detection of Self-Introductions in Legislative Testimony

新的机器学习管道可检测立法证词中的自我介绍

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个机器学习管道，可自动检测自我介绍并从立法证词中提取说话者姓名。该系统在五个州立法会议的数据上进行训练，利用了词袋模型、位置上下文和话语上下文等特征的组合。XGBoost 分类器取得了 0.9747 的高 F1 分数，通过添加微调的 BERT 概率特征，该分数进一步提高到 0.9782。 AI

影响 这项研究可以提高分析立法程序效率，并有助于说话者识别任务。

排序理由 详细介绍新的用于文本分析的机器学习管道的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的机器学习管道可检测立法证词中的自我介绍

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Sofija Dimitrijevic, Pallavi Das, Kasey Liu, Foaad Khosmood ·

    检测立法证词中的自我介绍

    arXiv:2608.07891v1 Announce Type: new Abstract: Self-introductions are common in legislative committee testimonies. Successfully detecting them and extracting the speaker's name is enormously helpful in the task of speaker identification in the context of government meetings. In …

相关实体

相关话题