Phrase break prediction : a comparative study

Este artículo presenta un estudio comparado de varios métodos de predicción de pausas, usando el mismo corpus etiquetado. Algunos métodos propuestos por otras publicaciones sobre el tema son probados, combinando algunas técnicas previas para aprovechar sus principales ventajas. Un nuevo método es propuesto modelando explícitamente la función densidad de probabilidad de la distancia entre pausas. Los resultados muestran que las técnicas basadas en datos ofrecen muy buenos resultados.This article presents a comparative study of several methods of phrase break prediction, using the same labeled corpora. Some previous methods proposed in the literature are tested, mixing techniques to take advantage of their benefits. It is proposed an approach based on explicitly modeling the probability density function of the distance between breaks. The results have shown that data-driven techniques provide very good results.This work has been partially sponsored by the Spanish Government under grant TIC2002-04447-C02