Differences

This shows you the differences between two versions of the page.

--- draft [2009/07/15 14:11]
ptacek
+++ draft [2009/09/30 18:25]
ptacek
@@ Line 1: / Line 1: @@
+====== Architecture Description ======
+Czech Companion follows the original idea of Reminiscing about the User's Photos,
+taking advantage of the data collected in the first phase of the project (using a Wizard-of-Oz setting). The full recorded corpora was transcribed, manual speech reconstruction was done on 92.6% of utterances((still in progress)) and a pilot dialog acts annotation was performed on sample of 1000 sentences.
+The architecture is the same as in the English version, i.e. a set of modules communicating through the Inamode (TID) backbone. However, the set of modules is different, see Figure 1. Regarding the physical settings, the Czech version runs on two notebook computers connected by a local network. One serves as a Speech Client, running modules dealing with ASR, TTS and ECA; the other one as an NLP Server.
+The NLU pipeline, DM, and NLG modules at the NLP Server are implemented using a CU's own TectoMT platform that provides access to a single in-memory data representation through common API. This eliminates the overhead of repeated serialization and XML parsing that an Inamode based solution would impose otherwise.
+The Knowledge Base consists of objects (persons, events, photos) that model the information acquainted in the course of dialog. Those objects also provide very basic reasoning (e.g. accounting for the link between date of birth and age properties). Each object's property is able to store multiple values with varying level of confidence((Provided either by ASR module or from lexical clues contained in respective utterance.)), and values restricted to a defined time span.
 ====== Progress Report ======
@@ Line 4: / Line 16: @@
+[[http://72.55.153.148/mediawiki-1.8.2/index.php/CZ_Demo_%28November_2009%29_Specs_and_Components_%282009-07-17%29#Natural_Language_Generation_.28WP_5.4.29|final version of Czech Companion November Demonstrator description has moved to Companions wiki]]
+====== Scenario Brief ======
+C1 Dobrý den, jak se jmenujete? (intro-daf-based)
+H1 Marie.
+C2 Těší mě. Já jsem Pavla a chtěla bych Vás blíž poznat. Jsem ráda, že mi ukážete Vaše fotografie.
+C2 Co je tohle? (photo_maintenance)
+H2 To je moje rodina, rodiče, sestra, její manžel, moje dvě děti a její dvě děti.
+H2 Byli u mě na Vánoce na návštěvě.
+C3 Trávíte Vánoce takhle pohromadě?
+H3 Teď už ne.
+H3 Teď už všechny moje dětičky vylétaly z hnízda.
+C4 Jak se jmenuje váš manžel?
+H4 Manžel už nežije, jmenoval se Karel Šístek.
+C5 Máte ráda Vánoce?
+H5 Teď už ne.
+H5 Měla jsem je ráda, když byly děti malé.
+H5 Teď už to ale není ono.
+C6 Takže teď trávíte Vánoce sama? (ask_on_detail-daf-based)
+H6 Nejsem úplně sama, chodím každé Vánoce k dceři, ale už to není, jak to bývalo, když byly doma malé děti.
+C7 Jak děti vyrostou, tak má člověk najednou příliš mnoho času.
+C7 Kdo je kdo na té fotce?
+H7 U stromečku je můj synovec, ta holčička vedle je moje dcera, chlapeček s hračkou je můj syn, vedle 	je sestra, její manžel a nad ním je můj otec.
+C8 To jste ale velká rodina.
+C8 Jak se jmenuje vaše sestra? (companion commenting last utterance  bundled with follow-up question - to achieve longer responses)
+H8 Sestra se jmenuje Marie Havlová, její manžel je Vladimír, ten bohužel nedávno zemřel.
+C9 To je smutné.
+C9 Znala jste ho dobře?
+H9 Velmi dobře, trávili jsme obě rodiny společně hodně času.
+C10 Máte už nějaká vnoučata?
+H10 Mám vnučku Natálku.
+H10 Ona je takové živé děťátko, taková neposeda.
+C11 Takže Natálka je neposeda. repeat-rephrase
+C11 Máte ještě nějaké další vnučky nebo vnuky?
+H11 Čekáme ještě další přírustek.
+C12 Hlídáte je někdy?
+H12 Hlídám dost často.
+H12 Já mám děti ráda a jsem s nimi moc ráda.
+C13 To je fajn.
+C13 S dětmi je legrace.
+H13 Ano.
+C Podíváme se na další fotku?
-====== Description of Czech Companion November Prototype ======
+====== Scenario Brief 2 ======
-The Czech version of Companion deals with the Reminiscing about User's Photos scenario taking advantage of date recorded in first phase of the project. The basic architecture is same as of the English version, i.e. set of modules communicating through the Inamode Relayer (TID) backbone;
+C1 Dobrý den, jak se jmenujete? intro
-however the set of modules differs (see Figure 1). Regarding the physical settings: the Czech version runs on two notebook computers connected by local network; one can be seen as a Speech Client, running modules dealing with ASR,TTS and ECA, second as an NLP Server.
+H1 Jindra.
-photopal domena, nahranej korpus, ze na to sou dafy (reusing SHEFF DM intergrated through Inamode Relayer (TID)) vhodny, moreover reusable for expected pomdp DM from UOX (reuse states, let pomdp's do the topology and handle the states transitions, post november work),
+C2 Já jsem Pavla a budu si s Vámi povídat o Vašich fotkách. intro
-typy odpovedi a zpusob jejich implementace, rucne vyrobene dafy pro nasledujici topics: Person_Retired, Person_in_productive_age, Child, Husband, Wife, Wedding, Christmas, Handle_stalled_dialog
+C2 Hned se můžeme podívat na první. photo_maintenance
-NLP server s tectomt, ASR/TTS/SR client, connected over network
+C2 Co je na téhle fotce?  photo_maintenance
-XXX JPta
+H2 Tak to je moje dcerka Jana, když se narodila. Ta je druhá, staršího jsem měla chlapce Jirku. Jana 	měla nevyvinutý  nějaký ten kloubeček , tak jí tehdá asi na dva měsíce dali peřinku . Dlouho to 	nenosila, měla to brzy v pořádku.
-advances in Czech NLU (on reconstructed spoken data): 300-500vet(?) rucne anotovat pos, a-tree, t-tree, IE predicates, Named Entities, DA pro eval in-domain testy after Nov.
+C3 A dneska je z ní pěkná mladá slečna. komentující věta
-pos ? analyzovat, generovat a kontrolovat 'jen' kde je rozdil ve forme?
+C3 Kdy se Jana narodila ? ask_on_detail
+H3 Jana se narodila v roce 1957.  To už jsem neměla ani tatínka.
+C4 To mě mrzí. hodnotící_obecná
+H4 Tatínek zemřel v roce 1956 a Jana se potom narodila v červnu 1957. Dneska už je to máma 	od dvou dospělých děvčat.
+C5 Kolik vnoučat vlastně máte?
+H5 Vnoučat mám teďka pět, Jirka má dva kluky a nyní, na staré kolena, holčičku.
+C6 A co vlastně dělá váš syn? ask_on_detail dafclovek_30,Jirka
+H6 Můj syn je teďka v hospodě.
+C7 Takže Jirka je nyní v hospodě? repeat_rephrase
+H7 Na staré kolena, vždyť už je mu taky 52, si vzal na starost hospodu.
+C8 To je ale šikovný. hodnotící_zacílená topic:člověk
+C8 A kde pracuje Jana? skip_to_associated_topic daf:clovek_30,Jana
+H8 Je lékařka a dělá tady v Plzni.
+H8 Je ředitelka v kojeneckém ústavu.
-===== Automatic Speech Recognition (WP 5.1)=====
+C9 Bydlí v Plzni? ask_on_detail daf:clovek_30 pravděpodobná hodnota zvolená podle historie
-features: improved language models, real-time speaker adaptation
+H9 Ano, v Plzni. Jsou tady kousíček, na Klatovské třídě.
-performance indicator: WER
+C10 Vzpomínáte si u téhle fotky ještě na něco? ask_for_more
+H10 Už je to asi vše.
+C Tak se podíváme na další snímek.  photo_maintenance
+C Co na něm můžeme vidět?  photo_maintenance
-===== Speech Reconstruction (WP 5.1 ???) =====
-features: omit filler phrases, irrelevant speech events, false starts, repetitions, corrections, syntax smoothing (WO,
-imlementation(zahrnout tuhle info?): moses natrenovany na korpusu
-performance indicator: BLEU score (overall scoring of all features) to annotated corpora from T5.2.1., nejaka baseline
-XXX Mirek
-===== Morphology Analyzer and POS tagging (WP 5.2) =====
+====== Scenario Brief 3 ======
-features: XXX Mirek/Johanka
-performance indicator: accuracy
-===== Syntactic Parsing (WP 5.2) =====
+C1 Dobrý den Marie, už jsem se těšila na Vaše další fotky. intro, na základě loginu
-features: induce dependencies and labels
+C1 Co na té první můžeme vidět?
-performance indicator: f-measure
+ photo_maintenance
-v tipu je natrenovat MacDonnalda na dialog datech, ten task je do M42, ted ne.
+H1 To jsme byli prvně s novým autem na Šumavě.
+H1 Sice trochu pršelo, ale na lyže se muselo.
-===== Semantic Parsing (WP 5.2) =====
+C2 Jak často jste na Šumavu jezdili?
-features: meaning representation with semantic roles (69 roles), coordinations, argument structure, partial ellipsis resolution, pronominal anaphora resolution,
+ ask_on_detail
-performance indicator: f-measure
+H2 Dost, ne tak často, ale aspoň asi dvakrát, třikrát za zimu.
-===== Information Extraction (WP 5.2) =====
-features: template based identification of predicates
-covering predicates from  before-mentioned set of DAFs.
-performance indicator: accuracy
+C3 Jezdili jste jenom na lyže?
+ ask_on_detail
+H3 Byli jsme se tam podívat na chaloupku pana Wericha a také jsme byli v kostele.
-===== Named Entities Recognition (WP 5.2) =====
+H3 Kostel byl plný lidu, což u nás ve Štěnovicích není.
-features: detect person names, geographical locations (organizations myslim nepotrebne)
-performance indicator: f-measure
-===== Dialog Act Tagging (WP 5.2) =====
-features: tagset derived from DAMSL-SWBD, DA is a key feature driving the decision, what to say next.
-performance indicator: accuracy
+C4 To je zajímavé.
+ hodnotící_obecná
+H4 Já jsem sice z Útušic, ale chodíme do kostela do Štěnovic.
-===== Sentiment Analysis (WP 5.2) =====
+H4 Spadáme tam jak k doktoru, tak i pod matriku.
-features: za tohle bych vydaval klasifikator, co rozhoduje ,jestli se rekne 'To je smutné/veselé'. Tem adjektivum rucne priradim negative/positive sentiment.
-performance indicator: f-measure
+C5 Rozumím.
+ backchannel
+C5 Jezdili jste i na víc dní, nebo jen na jednodenní výlety?
+ ask_on_detail
+H5 S dětmi, když byly malé, to byly jednodenní výlety.
+C6 Lyžujete ráda?
+ ask_on_detail
+H6 Lyžovala jsem, ale teď už vůbec ne, protože mám operované koleno i kyčel.
-===== Complete System Evaluation =====
-T5.2.7 tohle zminuje, nick webb to pro nas asi neudela
-performance indicator: number of tokens in user utterances, post-session questionare
+C7 Člověk už na sebe musí dávat víc pozor.
+ komentující
+C7 Máte to na Šumavu daleko? ask_on_detail daf:vylet
+H7 Je to od nás z Útušic přes 30 kilometrů.
+C8 Takže jste jezdili na Šumavu na lyže autem.  repeat_rephrase
+C8 Děti také baví lyžovat? skip_to_associated_topic
+H8 Syn rád jezdí na běžkách. A dnes je moderní ten snowboard, tak to zkouší.
+C9 To je šikovný. hodnotící_zacílená
+C9 A dcera? ask_on_detail
+H9 Ta moc nesportuje.
-===== Dialog Manager (WP 5.3) =====
+C Řeknete mi ještě něco k téhle fotce? ask_for_more
-features: reply types, using (language independed) predicates (prakticky to znamena, ze pojmenuju testy na prechodech v dafech anglicky)
+C A kdo je na téhle? photo_maintenance
-performance indicator: rucni hodnoceni prijatelnosti vybrane akce
-===== Natural Language Generation (WP 5.4) =====
-features: variations, underspecified input (dott format), emotional markup (natvrdo v dafech a templatech u hodnoticich vet)
-performance indicator: BLEU score

[ Back to the navigation ] [ Back to the content ]

Institute of Formal and Applied Linguistics Wiki

Differences