Named Entity Recognition from Kazakh Speech

Bauyrzhan Kairatuly, Мадина Мансурова

2024

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/ubmk63289.2024.10773546
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This paper addresses the challenges of Named Entity Recognition (NER) in Kazakh speech, a critical task in Natural Language Processing (NLP). The integration of Automatic Speech Recognition (ASR) and NER technologies is explored to improve recognition accuracy. We evaluate two ASR models, Wav2vec2.0 and Whisper, fine-tuning them on the Kazakh Speech Corpus 2 (KSC2) dataset. Our study demonstrates that fine-tuning pre-trained mod-els can enhance performance, with end-to-end systems outper-forming traditional methods in speech-based NER tasks. The Transformer-based Wav2vec2.0 model showed superior NER accuracy, suggesting its potential for improving NER in low-resource languages like Kazakh.