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 15:43] ptacek |
draft [2009/09/30 18:25] ptacek |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== | + | ====== |
- | [[Progress Report]] | + | 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. | ||
- | ====== Description | + | The Knowledge Base consists |
- | The Czech version of Companion deals with the Reminiscing about User's Photos scenario taking advantage of data 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; | ||
- | 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. | ||
- | |||
- | 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' | ||
- | typy odpovedi a zpusob jejich implementace, | ||
- | NLP server s tectomt, ASR/TTS/SR client, connected over network | ||
- | XXX JPta | ||
- | |||
- | advances in Czech NLU (on reconstructed spoken data): 300-500vet(? | ||
- | pos ? analyzovat, generovat a kontrolovat ' | ||
+ | ====== Progress Report ====== | ||
+ | [[Progress Report]] - dal jsem to na zvlastni stranku, abysme si nelezli do zeli | ||
+ | [[http:// | ||
+ | ====== Scenario Brief ====== | ||
- | ===== Automatic Speech Recognition | + | C1 Dobrý den, jak se jmenujete? |
- | features: improved language models, real-time speaker adaptation | + | H1 Marie. |
- | performance indicator: WER | + | |
+ | 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. | ||
- | ===== Speech Reconstruction | + | C6 Takže teď trávíte Vánoce sama? (ask_on_detail-daf-based) |
- | features: omit filler phrases, remove irrelevant speech events, handle false starts, repetitions, and corrections, | + | H6 Nejsem úplně sama, chodím každé Vánoce k dceři, ale už to není, jak to bývalo, když byly doma malé děti. |
- | performance indicator: BLEU score between actual output and manually reconstructed sentences from corpora (T5.2.1), baseline: Moses with default settings | + | |
+ | 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 | ||
+ | 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. | ||
- | ===== Morphology Analyzer and POS tagging (WP 5.2) ===== | + | C12 Hlídáte je někdy? |
- | features: coverage of photo-pal domain, domain adapted tagger (XXX prida nam Jarka OOV slova co najdeme, bude PDTSC rucne oznackovane - do listopadu?) | + | H12 Hlídám dost často. |
- | performance indicator: OOV rate, accuracy | + | H12 Já mám děti ráda a jsem s nimi moc ráda. |
+ | C13 To je fajn. | ||
+ | C13 S dětmi je legrace. | ||
+ | H13 Ano. | ||
- | ===== Syntactic Parsing (WP 5.2) ===== | + | C Podíváme se na další fotku? |
- | features: induce dependencies and labels | + | |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | v tipu je natrenovat MacDonnalda | + | |
+ | ====== Scenario Brief 2 ====== | ||
+ | C1 Dobrý den, jak se jmenujete? intro | ||
+ | H1 Jindra. | ||
+ | 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. | ||
- | ===== Semantic Parsing (WP 5.2) ===== | + | C4 To mě mrzí. hodnotící_obecná |
- | features: assignment of semantic roles (69 roles), coordinations, | + | H4 Tatínek zemřel v roce 1956 a Jana se potom narodila v červnu 1957. Dneska už je to máma od dvou dospělých děvčat. |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | ===== Information Extraction (WP 5.2) ===== | + | C5 Kolik vnoučat vlastně máte? |
- | features: template based identification of predicates | + | H5 Vnoučat mám teďka pět, Jirka má dva kluky a nyní, na staré kolena, holčičku. |
- | covering predicates from before-mentioned set of DAFs. | + | |
- | performance indicator: accuracy | + | |
+ | C6 A co vlastně dělá váš syn? ask_on_detail dafclovek_30, | ||
+ | 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. | ||
- | ===== Named Entities Recognition (WP 5.2) ===== | + | C8 To je ale šikovný. hodnotící_zacílená topic: |
- | features: detect person names, geographical locations, organizations | + | C8 A kde pracuje Jana? skip_to_associated_topic daf:clovek_30,Jana |
- | performance indicator: f-measure | + | 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. | ||
+ | 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. | ||
+ | C Co na něm můžeme vidět? | ||
- | ===== Dialog Act Tagging (WP 5.2) ===== | ||
- | features: domain tailored tagset (variation of DAMSL-SWBD) | ||
- | performance indicator: accuracy | ||
+ | ====== Scenario Brief 3 ====== | ||
+ | C1 Dobrý den Marie, už jsem se těšila na Vaše další fotky. intro, na základě loginu | ||
+ | C1 Co na té první můžeme vidět? | ||
+ | | ||
+ | H1 To jsme byli prvně s novým autem na Šumavě. | ||
+ | H1 Sice trochu pršelo, ale na lyže se muselo. | ||
+ | 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 |