Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Business Ethics as Personal Ethics Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

A Word Prediction Methodology Based on Posgrams

verfasst von : Carmelo Spiccia, Agnese Augello, Giovanni Pilato

Erschienen in: Knowledge Discovery, Knowledge Engineering and Knowledge Management

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This work introduces a two steps methodology for the prediction of missing words in incomplete sentences. In a first step the number of candidate words is restricted to the ones fulfilling the predicted part of speech; to this aim a novel algorithm based on “posgrams” analysis is also proposed. Then, in a second step, a word prediction algorithm is applied on the reduced words set. The work quantifies the advantages in predicting a word part of speech before predicting the word itself, in terms of accuracy and execution time. The methodology can be applied in several tasks, such as Text Autocompletion, Speech Recognition and Optical Text Recognition.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Cross-Domain Sentiment Classification via Polarity-Driven State Transitions in a Markov Model
Nächstes Kapitel Is Bitcoin’s Market Predictable? Analysis of Web Search and Social Media
Literatur
1.
Witten, I.H., Cleary, J.G., Darragh, J.J.: The reactive keyboard: a new technology for text entry (1983)
2.
Darragh, J.J., Witten, I.H., James, M.L.: The reactive keyboard: a predictive typing aid. Computer 23(11), 41–49 (1990)CrossRef
3.
Carlberger, A., Carlberger, J., Magnuson, T., Hunnicutt, S., Palazuelos-Cagigas, S.E., Navarro, S.A.: Profet, a new generation of word prediction: an evaluation study. In: Proceedings, ACL Workshop on Natural Language Processing for Communication Aids, pp. 23–28 (1997)
4.
Good, I.J.: The population frequencies of species and the estimation of population parameters. Biometrika 40(3–4), 237–264 (1953)MathSciNetCrossRefMATH
5.
Katz, S.M.: Estimation of probabilities from sparse data for the language model component of a speech recognizer. IEEE Trans. Acoust. Speech Sig. Process. 35(3), 400–401 (1987)CrossRef
6.
Jelinek, F., Mercer, R.L.: Interpolated estimation of Markov source parameters from sparse data. In: Proceedings of the Workshop on Pattern Recognition in Practice (1980)
7.
Kneser, R., Ney, H.: Improved backing-off for m-gram language modeling. In: 1995 International Conference on Acoustics, Speech, and Signal Processing (ICASSP), vol. 1, pp. 181–184 (1995)
8.
Guthrie, D., Allison, B., Liu, W., Guthrie, L., Wilks, Y.: A closer look at skip-gram modelling. In: Proceedings of the 5th International Conference on Language Resources and Evaluation (LREC), pp. 1–4 (2006)
9.
Zweig, G., Burges, C.J.C.: The Microsoft Research Sentence Completion Challenge. Microsoft Research Technical report, MSR-TR-2011-129 (2011)
10.
Gubbins, J., Vlachos, A.: Dependency language models for sentence completion. In: EMNLP, pp. 1405–1410 (2013)
11.
Deerwester, S.C., Dumais, S.T., Landauer, T.K., Furnas, G.W., Harshman, R.A.: Indexing by latent semantic analysis. JASIS 41(6), 391–407 (1990)CrossRef
12.
Spiccia, C., Augello, A., Pilato, G., Vassallo, G.: A word prediction methodology for automatic sentence completion. In: 2015 IEEE International Conference on Semantic Computing (ICSC), pp. 240–243 (2015)
13.
Agostaro, F., Pilato, G., Vassallo, G., Gaglio, S.: A sub-symbolic approach to word modelling for domain specific speech recognition. In: Proceedings, IEEE 7th International Workshop on Computer Architecture for Machine Perception (CAMP), pp. 321–326 (2005)
14.
Bengio, Y., Ducharme, R., Vincent, P., Jauvin, C.: A neural probabilistic language model. In: Holmes, D.E., Jain, L.C. (eds.) Innovations in Machine Learning. Studies in Fuzziness and Soft Computing, vol. 194, pp. 137–186. Springer, Heidelberg (2006)CrossRef
15.
Mnih, A., Teh, Y.W.: A fast and simple algorithm for training neural probabilistic language models. arXiv preprint (2012). arXiv:​1206.​6426
16.
Pachitariu, M., Sahani, M.: Regularization and nonlinearities for neural language models: when are they needed? arXiv preprint (2013). arXiv:​1301.​5650
17.
Mikolov, T., Chen, K., Corrado, G., Dean, J.: Efficient estimation of word representations in vector space. arXiv preprint (2013). arXiv:​1301.​3781
18.
Kučera, F., Kučera, H.: A Standard Corpus of Present-Day Edited American English, for use with Digital Computers (Brown). Brown University (1979)
19.
Baroni, M., Bernardini, S., Ferraresi, A., Zanchetta, E.: The WaCky wide web: a collection of very large linguistically processed web-crawled corpora. Lang. Resour. Eval. 43(3), 209–226 (2009)CrossRef
20.
21.
Calzolari, N., McNaught, J., Zampolli, A.: EAGLES Final Report: EAGLES Editors’ Introduction. EAG-EB-EI, Pisa (1996)
22.
23.
Stubbs, M.: An example of frequent English phraseology: distributions, structures and functions. Lang. Comput. 62(1), 89–105 (2007)
24.
Lindquist, H.: Corpus Linguistics and the Description of English, pp. 102–103. Edinburg University Press, Edinburgh (2009)
25.
Lyding, V., Stemle, E., Borghetti, C., Brunello, M., Castagnoli, S., Dell’Orletta, F., Dittmann, H., Lenci, A., Pirrelli, V.: The PAISA corpus of Italian web texts. In: Proceedings of the 9th Web as Corpus Workshop (WaC-9), 14th Conference of the European Chapter of the Association for Computational Linguistics, pp. 36–43 (2014)
26.
Doyle, A.C.: The adventures of Sherlock Holmes. Gutenberg Project, EBook #1661, Edition 12 (2002)
Metadaten
Titel
A Word Prediction Methodology Based on Posgrams
verfasst von
Carmelo Spiccia
Agnese Augello
Giovanni Pilato
Copyright-Jahr
2016
Buch
Knowledge Discovery, Knowledge Engineering and Knowledge Management

Print ISBN: 978-3-319-52757-4

Electronic ISBN: 978-3-319-52758-1

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-52758-1_9

Neuer Inhalt

    Bildnachweise