Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
draft [2009/07/15 15:39] ptacek |
draft [2009/09/30 18:22] ptacek |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== | + | ====== |
- | [[Progress Report]] - dal jsem to na zvlastni stranku, abysme si nelezli do zeli | ||
+ | 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, | ||
- | ====== Description | + | 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 Czech version of Companion deals with the Reminiscing about User' | + | The NLU pipeline, DM, and NLG modules at the NLP Server are implemented using a CU' |
- | 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, | + | |
- | photopal domena, nahranej korpus, ze na to sou dafy (reusing SHEFF DM intergrated through Inamode Relayer | + | 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' |
- | typy odpovedi | + | |
- | NLP server s tectomt, ASR/TTS/SR client, connected over network | + | |
- | XXX JPta | + | |
- | 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. | + | |
- | pos ? analyzovat, generovat a kontrolovat ' | + | ====== Progress Report ====== |
+ | |||
+ | [[Progress Report]] | ||
+ | [[http:// | ||
+ | ====== 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. | ||
- | ===== Automatic Speech Recognition | + | C2 Co je tohle? |
- | features: improved language models, real-time speaker adaptation | + | H2 To je moje rodina, rodiče, sestra, její manžel, moje dvě děti a její dvě děti. |
- | performance indicator: WER | + | 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. | ||
- | ===== Speech Reconstruction (WP 5.1 ???) ===== | + | C8 To jste ale velká rodina. |
- | features: omit filler phrases, remove irrelevant speech events, handle false starts, repetitions, | + | C8 Jak se jmenuje vaše sestra? (companion commenting last utterance |
- | performance indicator: BLEU score between actual output and manually reconstructed sentences from corpora (T5.2.1), baseline: Moses with default settings | + | 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. | ||
- | ===== Morphology Analyzer and POS tagging (WP 5.2) ===== | + | C Podíváme se na další fotku? |
- | features: coverage of photo-pal domain, domain adapted tagger (XXX prida nam Jarka OOV slova co najdeme, bude PDTSC rucne oznackovane - do listopadu?) | + | |
- | performance indicator: OOV rate, accuracy | + | |
+ | ====== Scenario Brief 2 ====== | ||
- | ===== Syntactic Parsing (WP 5.2) ===== | + | C1 Dobrý den, jak se jmenujete? intro |
- | features: induce dependencies and labels | + | H1 Jindra. |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | v tipu je natrenovat MacDonnalda na dialog datech, ten task je do M42, ted ne. | + | |
+ | C2 Já jsem Pavla a budu si s Vámi povídat o Vašich fotkách. intro | ||
+ | C2 Hned se můžeme podívat na první. photo_maintenance | ||
+ | C2 Co je na téhle fotce? | ||
+ | H2 Tak to je moje dcerka Jana, když se narodila. Ta je druhá, staršího jsem měla chlapce Jirku. Jana měla nevyvinutý | ||
+ | C3 A dneska je z ní pěkná mladá slečna. komentující věta | ||
+ | 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. | ||
- | ===== Semantic Parsing (WP 5.2) ===== | + | C6 A co vlastně dělá váš syn? ask_on_detail dafclovek_30,Jirka |
- | features: assignment of semantic roles (69 roles), coordinations, | + | H6 Můj syn je teďka v hospodě. |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | ===== Information Extraction (WP 5.2) ===== | + | C7 Takže Jirka je nyní v hospodě? repeat_rephrase |
- | features: template based identification of predicates | + | H7 Na staré kolena, vždyť už je mu taky 52, si vzal na starost hospodu. |
- | covering predicates from before-mentioned set of DAFs. | + | |
- | performance indicator: accuracy | + | |
+ | C8 To je ale šikovný. hodnotící_zacílená topic: | ||
+ | C8 A kde pracuje Jana? skip_to_associated_topic daf: | ||
+ | H8 Je lékařka a dělá tady v Plzni. | ||
+ | H8 Je ředitelka v kojeneckém ústavu. | ||
+ | C9 Bydlí v Plzni? ask_on_detail daf: | ||
+ | H9 Ano, v Plzni. Jsou tady kousíček, na Klatovské třídě. | ||
- | ===== Named Entities Recognition (WP 5.2) ===== | + | C10 Vzpomínáte si u téhle fotky ještě na něco? ask_for_more |
- | features: detect person names, geographical locations, organizations | + | H10 Už je to asi vše. |
- | performance indicator: f-measure | + | |
+ | C Tak se podíváme na další snímek. | ||
+ | C Co na něm můžeme vidět? | ||
+ | ====== Scenario Brief 3 ====== | ||
- | ===== Dialog Act Tagging (WP 5.2) ===== | + | C1 Dobrý den Marie, už jsem se těšila na Vaše další fotky. intro, na základě loginu |
- | features: domain tailored tagset (variation of DAMSL-SWBD) | + | C1 Co na té první můžeme vidět? |
- | performance indicator: accuracy | + | photo_maintenance |
+ | H1 To jsme byli prvně s novým autem na Šumavě. | ||
+ | H1 Sice trochu pršelo, ale na lyže se muselo. | ||
- | ===== Sentiment Analysis (WP 5.2) ===== | ||
- | features: za tohle bych vydaval klasifikator, | ||
- | performance indicator: f-measure | ||
+ | C2 Jak často jste na Šumavu jezdili? | ||
+ | | ||
+ | H2 Dost, ne tak často, ale aspoň asi dvakrát, třikrát za zimu. | ||
+ | C3 Jezdili jste jenom na lyže? | ||
+ | | ||
+ | H3 Byli jsme se tam podívat na chaloupku pana Wericha a také jsme byli v kostele. | ||
+ | H3 Kostel byl plný lidu, což u nás ve Štěnovicích není. | ||
+ | C4 To je zajímavé. | ||
+ | | ||
+ | H4 Já jsem sice z Útušic, ale chodíme do kostela do Štěnovic. | ||
+ | H4 Spadáme tam jak k doktoru, tak i pod matriku. | ||
+ | C5 Rozumím. | ||
+ | | ||
+ | C5 Jezdili jste i na víc dní, nebo jen na jednodenní výlety? | ||
+ | | ||
+ | H5 S dětmi, když byly malé, to byly jednodenní výlety. | ||
- | ===== Dialog Manager (WP 5.3) ===== | ||
- | features: reply types, using (language independed) predicates (prakticky to znamena, ze pojmenuju testy na prechodech v dafech anglicky) | ||
- | Handmade DAF covering following topics: Person_Retired, | ||
- | performance indicator: rucni hodnoceni prijatelnosti vybrane akce | ||
+ | C6 Lyžujete ráda? | ||
+ | | ||
+ | H6 Lyžovala jsem, ale teď už vůbec ne, protože mám operované koleno i kyčel. | ||
- | AZ PO LISTOPADU: | ||
- | ===== Complete System Evaluation ===== | ||
- | T5.2.7 tohle zminuje, nick webb to pro nas asi neudela | ||
- | performance indicator: number of tokens in user reply utterances, post-session questionare | ||
+ | C7 Člověk už na sebe musí dávat víc pozor. | ||
+ | | ||
+ | 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. | ||
+ | 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. | ||
+ | C Řeknete mi ještě něco k téhle fotce? ask_for_more | ||
+ | C A kdo je na téhle? photo_maintenance | ||
- | ===== 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 |