А что это за rnn такая, которая это выдаёт? Самодельная или чья-то с названием?

1) у них большой оверфит на стандартные слова. То есть, LM слишком агрессивная.
Я ещё удивлялся, почему они так хорошо простые фразы распознают, а потом взял фразу посложнее — и сразу получил неправильно распознанные слова.
2) проверьте обязательно формат, частоту, итп. — может вы как-то не так звук им отправляете.
// я собственно тоже тут хотел их проверить в моём сравнении, но ещё не добрался.

самодельная

Коллеги тестили Тинькова, по качеству было сопоставимо с Яндексом

Почему у меня получилась такая дребедень? И кстати я сейчас спросил у своих коллег стартаперов - они тоже сказали, что фигня вышла.

Хз. Возможно и правда как-то не так передаёте. Или домен специфический. Может нам с версией повезло просто. Вариантов куча

Привет. Подскажите, как бороться с проблемой.
Использую TF-IDF (BM-25) для текста (эластик). Есть документы (каждый документ — отдельная строка). По ним происходит поиск.
Для поиска в es отправляется запрос в виде текстовой строки.
Проблема
Если я расширяю выборку за счёт добавления к каждому документу ещё одной строки примерно такой же длины, которая отличается по набору токенов, но релеватна исходной строке, то оказывается, что метрики падают. Это происходит, видимо, из-за того, что при вычислении скалярного произведения между запросом и каждым из документов, происходит "размазывание" важных токенов и, как следствие, ухудшение качества выдачи.

Особенность данных. В них очень много уникальных токенов: названия, характеристики и т.п. Я их называю дельта-функциями, поскольку в виде эмбеддингов (w2v, bert не пробовал) они плохо представляются и выражаются за счёт того, что в них мало семантики

Вопрос
• Понятна ли моя проблема?
• Есть ли стандартные подходы, которые позволят избежать этой проблемы? Сейчас у меня есть 2 варианта:
  • предварительная редукция  строки и уменьшение её длины.
  • введение нескольких индексов (но это породит проблемы иного характера)

paraphraser.ru
была дорожка на диалоге (кажется) вот сделали разметку и можно скачать корпус

Мне знакомый сказал, что для распознавания английской речи гугл недавно выпустил recorder.

Как сделать speech to text большого файла на несколько часов (например, аудиокниги) при помощи какой-нибудь готовой предобученной модели оупенсорсной? Придётся ли разбивать на куски и на какие? Или можно запихнуть большой файл и всё будет ок?

Подскажите пожалуйста, как правильно называется задача корректировки текста от распознавания речи? Или сразу библиотеку, которая это делает)
Т.е. вот например вместо "да" asr выдал "дам", и похожие ситуации.
Похоже на корректировку опечаток, но не думаю, что это именно то, что надо

Теперь другой вопрос. Есть ли где-нибудь полный список кванторов в английском языке? Every там, any, even (numbers of) и прочие. Заранее спасибо.

Может посмотреть латеховские функции и убрать \?
https://oeis.org/wiki/List_of_LaTeX_mathematical_symbols

Нет, мне нужны кванторы в естественном языке. Есть их формализации в обобщённых кванторах (которые не ограничиваются этим), но всё равно список кванторов в естественном языке желательно знать.

Тем более что в латехе и обобщённых кванторов (как и специальной нотации обычно вне латеха) нет, ты их сам строишь из существующих с добавлением верхних / нижних индексов, либо пишешь буквой, либо пишешь словом.

Что за обобщенные кванторы?

Кванторы существования, уникальности и всеобщности сами по себе (особенно классические, т.е. неплюральные) описывают очень мало способов квантификации, и в естественном языке их намного больше.

Например:

У большинства из людей есть по две руки.