論文の概要: Equal CER, Unequal Damage: Severity-Weighted Character Error Rate for OCR

• arxiv url: http://arxiv.org/abs/2610.20461v1
• Date: Wed, 14 Oct 2026 16:44:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.255621
• Title: Equal CER, Unequal Damage: Severity-Weighted Character Error Rate for OCR
• Title（参考訳）: 不平等CER, 不平等損傷:OCRの重み付き文字誤り率
• Abstract要約: semCERは、英語、ベトナム語、中国語で編集することで、読者のレーティングを追跡する。 16の言語にまたがって、裁判官はスペイン語でほとんど何も示さず、テルグ語での手紙の重大さを誤っていると非難した。
• 参考スコア（独自算出の注目度）: 5.417444993362462
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Character Error Rate (CER), the standard metric for OCR and vision-language models (VLMs), charges a typo as much as a wrong name. We introduce semCER, which keeps CER's alignment and denominator and charges each grapheme edit a severity from an LLM judge, with no word segmentation. Normalized CER keeps the score of a whole transcription, where it tracks readers as well as semCER or better, and semCER breaks that score down into named edits. The charges track readers' ratings edit by edit in English, Vietnamese, and Chinese and put the edits readers rate most severe near the top of a sorted list. On pairs drawn where CER and semCER disagreed, readers side with semCER more often than with normalized CER in English and Chinese, and equally often in Vietnamese. Across 16 languages, the judge charges a wrong diacritic or tone mark almost nothing in Spanish but nearly a wrong letter's severity in Telugu. Where we can count real words, a general VLM's wrong letter forms one far above chance while a classical pipeline's stays near it. We release the 61 million judged edits, the aggregated reader ratings, and the distilled scorer at https://github.com/nguyenx2t/semcer.
• Abstract（参考訳）: 文字誤り率(英: character Error Rate, CER)は、OCRと視覚言語モデル(英: vision- language model, VLMs)の標準指標であり、タイプミスを間違った名前でチャージする。 我々は,CERのアライメントと分母を保持するsemCERを導入し,各グラフが単語セグメンテーションを伴わずに,LSMの判断から重大性を編集する。 正規化されたCERは、全書き起こしのスコアを保持し、セムCER以上の読み手を追跡し、セムCERはそのスコアを名前付き編集に分解する。 この料金は、英語、ベトナム語、中国語で編集した読者の格付けを追跡し、選別されたリストの上位付近で読者の格付けを最も厳しいものにしている。 CERとSemCERの意見が一致しない2つのペアでは、英語と中国語で正規化されたCERよりもセムCERの方が多く、ベトナム語でも同様に多かった。 16の言語にまたがって、裁判官はスペイン語でほとんど何も示さず、テルグ語での手紙の重大さを誤っていると非難した。 実際の単語を数えることができれば、一般的なVLMの誤った文字は、古典的なパイプラインが近くに留まっている間、その確率をはるかに上回っている。 6100万の判断された編集、集計された読者評価、および蒸留されたスコアラーをhttps://github.com/nguyenx2t/semcer.comでリリースします。

関連論文リスト

• A Coin Has Two Sides: A Novel Detector-Corrector Framework for Chinese Spelling Correction [79.52464132360618]
  中国語のSpelling Correction(CSC)は、自然言語処理(NLP)の基本課題である。 本稿では,エラー検出・相関器の枠組みに基づく新しい手法を提案する。 我々の検出器は2つのエラー検出結果を得るように設計されており、それぞれ高精度とリコールが特徴である。
  論文  参考訳（メタデータ） (2024-09-06T09:26:45Z)
• Chinese Spelling Correction as Rephrasing Language Model [63.65217759957206]
  文中のスペル誤りを検知し,訂正することを目的とした中国語スペル補正(CSC)について検討する。 現在の最先端の手法は、CSCをシーケンスタギングタスクと文対上の細いBERTベースのモデルとみなしている。 本稿では,文字から文字へのタグ付けではなく,追加のスロットを埋め込むことで文全体を言い換える言語モデル(ReLM)を提案する。
  論文  参考訳（メタデータ） (2023-08-17T06:04:28Z)
• Lenient Evaluation of Japanese Speech Recognition: Modeling Naturally Occurring Spelling Inconsistency [8.888638284299736]
  我々は,語彙資源,日本語テキスト処理システム,ニューラルマシン翻訳モデルの組み合わせを用いて,参照転写の可塑性レスペリングの格子を作成する。 提案手法は,単語の有効な代替綴りを選択するシステムにペナルティを課さないため,タスクに応じてCERを2.4%～3.1%削減する。
  論文  参考訳（メタデータ） (2023-06-07T15:39:02Z)
• Rethink about the Word-level Quality Estimation for Machine Translation from Human Judgement [57.72846454929923]
  ベンチマークデータセットであるemphHJQEを作成し、専門家翻訳者が不適切な翻訳語を直接アノテートする。 本稿では,タグリファインメント戦略と木ベースのアノテーション戦略という2つのタグ補正戦略を提案し,TERベースの人工QEコーパスをemphHJQEに近づける。 その結果,提案したデータセットは人間の判断と一致しており,また,提案したタグ補正戦略の有効性も確認できた。
  論文  参考訳（メタデータ） (2022-09-13T02:37:12Z)
• Czech Grammar Error Correction with a Large and Diverse Corpus [64.94696028072698]
  文法的誤り訂正(GEC)のための注釈付きチェコ語コーパスを大規模かつ多種多様に導入する。 Grammar Error Correction Corpus for Czech (GECCC)は、非ネイティブ話者によって書かれた高いエラー密度エッセイからウェブサイトテキストまで、さまざまな4つのドメインを提供している。 我々は、トランスフォーマーをベースとしたいくつかのチェコのGECシステムを比較し、将来の研究に強力なベースラインを設定している。
  論文  参考訳（メタデータ） (2022-01-14T18:20:47Z)
• Correcting Arabic Soft Spelling Mistakes using BiLSTM-based Machine Learning [1.7205106391379026]
  柔らかい綴りの誤りは、アラビア語話者や外国の学習者にも広く見られる。 我々は、一連のBiLSTMネットワークを開発し、訓練し、評価し、比較し、この種のエラーを修正します。 最良のモデルは、注入されたエラーの96.4%を補正し、ソフトスペルの実際のテストセットで1.28%の低い文字エラー率を達成する。
  論文  参考訳（メタデータ） (2021-08-02T19:47:55Z)
• Diacritics Restoration using BERT with Analysis on Czech language [3.2729625923640278]
  本稿では,コンテキスト適応型埋め込み,すなわちBERTに基づくダイアクリティカルリカバリのための新しいアーキテクチャを提案する。 チェコ語(チェコ語)について詳細な誤り解析を行い、高い評価基準を持つ形態学的に豊かな言語である。
  論文  参考訳（メタデータ） (2021-05-24T16:58:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。