TurnTurk-GPT
基于土耳其语GPT-2微调的文本轮次预测模型，采用TurnGPT训练目标，用于预测对话中的轮次结束点，特别关注形态丰富语言中的词尾形态线索。
时间轴 (近 90 天)
TurnTurk-GPT是一个基于文本的土耳其语轮次预测器，通过微调土耳其语GPT-2模型并采用TurnGPT目标训练。
TurnTurk-GPT在记录不相交和说话人不相交评估中均优于广泛使用的多语言轮次结束检测器。
TurnTurk-GPT仅在测试说话人出现在训练集中时才优于零样本土耳其语语言模型；对于未见过的说话人，两者在统计上无法区分。
移除轮次末尾词的后缀会使平均精度（AP）下降高达44%，而移除句内词的后缀仅下降2%。
仅使用合成对话训练的TurnTurk-GPT模型表现最弱，说明真实对话数据对于捕捉自然轮次转换模式不可或缺。
当说话人停顿时，零样本基线模型和多语言基线模型接近随机水平，而TurnTurk-GPT仍能保持一定性能。
TurnTurk-GPT的评估设计使用无标点、小写文本，在词级别决策点进行判断，并采用记录不相交和说话人不相交的数据划分、嵌套阈值选择以及成对聚类自举检验。
全部知识事实 (7)
TurnTurk-GPT是一个基于文本的土耳其语轮次预测器，通过微调土耳其语GPT-2模型并采用TurnGPT目标训练。
50%待验证TurnTurk-GPT在记录不相交和说话人不相交评估中均优于广泛使用的多语言轮次结束检测器。
50%待验证TurnTurk-GPT仅在测试说话人出现在训练集中时才优于零样本土耳其语语言模型；对于未见过的说话人，两者在统计上无法区分。
50%待验证移除轮次末尾词的后缀会使平均精度（AP）下降高达44%，而移除句内词的后缀仅下降2%。
50%待验证仅使用合成对话训练的TurnTurk-GPT模型表现最弱，说明真实对话数据对于捕捉自然轮次转换模式不可或缺。
50%待验证当说话人停顿时，零样本基线模型和多语言基线模型接近随机水平，而TurnTurk-GPT仍能保持一定性能。
50%待验证TurnTurk-GPT的评估设计使用无标点、小写文本，在词级别决策点进行判断，并采用记录不相交和说话人不相交的数据划分、嵌套阈值选择以及成对聚类自举检验。
50%