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 15:51] ptacek |
draft [2009/09/30 18:23] 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, | ||
- | ====== | + | 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 otherwise impose. | ||
+ | |||
+ | 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' | ||
+ | |||
+ | |||
+ | ====== | ||
+ | |||
+ | [[Progress Report]] - dal jsem to na zvlastni stranku, abysme si nelezli do zeli | ||
- | 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' | + | [[http://72.55.153.148/ |
- | 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(? | + | ====== Scenario Brief ====== |
- | pos ? analyzovat, generovat a kontrolovat ' | + | |
+ | 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. | ||
- | ===== Automatic Speech Recognition (WP 5.1)===== | + | C5 Máte ráda Vánoce? |
- | features: improved language models, real-time speaker adaptation | + | H5 Teď už ne. |
- | performance indicator: WER | + | 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 | ||
+ | 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. | ||
- | ===== Speech Reconstruction (WP 5.1 ???) ===== | + | C11 Takže Natálka je neposeda. repeat-rephrase |
- | features: omit filler phrases, remove irrelevant speech events, handle false starts, repetitions, | + | C11 Máte ještě nějaké další vnučky nebo vnuky? |
- | performance indicator: BLEU score between actual output and manually reconstructed sentences from corpora (T5.2.1), baseline: Moses with default settings | + | 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? | ||
+ | ====== Scenario Brief 2 ====== | ||
+ | C1 Dobrý den, jak se jmenujete? intro | ||
+ | H1 Jindra. | ||
- | ===== Morphology Analyzer and POS tagging (WP 5.2) ===== | + | C2 Já jsem Pavla a budu si s Vámi povídat o Vašich fotkách. intro |
- | features: coverage of photo-pal domain, domain adapted tagger (XXX prida nam Jarka OOV slova co najdeme, bude PDTSC rucne oznackovane - do listopadu?) | + | C2 Hned se můžeme podívat na první. photo_maintenance |
- | performance indicator: OOV rate, accuracy | + | 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. | ||
- | ===== Syntactic Parsing (WP 5.2) ===== | + | C5 Kolik vnoučat vlastně máte? |
- | features: induce dependencies and labels | + | H5 Vnoučat mám teďka pět, Jirka má dva kluky a nyní, na staré kolena, holčičku. |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | v tipu je natrenovat MacDonnalda | + | |
+ | 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. | ||
+ | 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. | ||
- | ===== Semantic Parsing (WP 5.2) ===== | + | C10 Vzpomínáte si u téhle fotky ještě na něco? ask_for_more |
- | features: assignment of semantic roles (69 roles), coordinations, | + | H10 Už je to asi vše. |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | ===== Information Extraction (WP 5.2) ===== | + | C Tak se podíváme na další snímek. |
- | features: template based identification of predicates | + | C Co na něm můžeme vidět? |
- | covering predicates from before-mentioned set of DAFs. | + | |
- | performance indicator: accuracy | + | |
+ | ====== Scenario Brief 3 ====== | ||
- | ===== Named Entities Recognition (WP 5.2) ===== | + | C1 Dobrý den Marie, už jsem se těšila na Vaše další fotky. intro, na základě loginu |
- | features: detect person names, geographical locations, organizations | + | C1 Co na té první můžeme vidět? |
- | performance indicator: f-measure | + | |
+ | 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. | ||
- | ===== Dialog Act Tagging (WP 5.2) ===== | ||
- | features: domain tailored tagset (variation of DAMSL-SWBD) | ||
- | performance indicator: accuracy | ||
+ | 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. | ||
- | ===== Dialog Manager (WP 5.3) ===== | ||
- | features: reply types, using (language independed) predicates (prakticky to znamena, ze pojmenuju testy na prechodech v dafech anglicky) | ||
- | Manually created DAFs covering following topics: Person_Retired, | ||
- | performance indicator: acceptability - manual evaluation of actions selected by DM | ||
+ | C5 Rozumím. | ||
+ | | ||
+ | C5 Jezdili jste i na víc dní, nebo jen na jednodenní výlety? | ||
+ | | ||
+ | H5 S dětmi, když byly malé, to byly jednodenní výlety. | ||
- | ===== Natural Language Generation (WP 5.4) ===== | + | C6 Lyžujete ráda? |
- | features: morphological adjustments, paraphrases for hard-coded utterances, underspecified input (dott format), passing-through emotional markup (natvrdo v dafech a templatech u hodnoticich vet) | + | ask_on_detail |
- | performance indicator: BLEU score | + | H6 Lyžovala jsem, ale teď už vůbec ne, protože mám operované koleno i kyčel. |
- | ====== AZ PO LISTOPADU ====== | + | 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. | ||
- | ===== Syntactic Parsing (WP 5.2) ===== | + | C8 Takže jste jezdili na Šumavu na lyže autem. |
- | features: adapted to domain (McD trained on manual PDTSC trees) | + | C8 Děti také baví lyžovat? skip_to_associated_topic |
- | performance indicator: accuracy (correctly induced edges, labels) | + | 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. | ||
- | ===== Sentiment Analysis (WP 5.2) ===== | + | C Řeknete mi ještě něco k téhle fotce? ask_for_more |
- | features: za tohle bych vydaval klasifikator, | + | C A kdo je na téhle? photo_maintenance |
- | performance indicator: f-measure | + | |
- | ===== 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 |