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 15:52] 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. | ||
- | ====== | + | 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 | + | |
+ | ====== 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 ====== | ||
+ | C1 Dobrý den, jak se jmenujete? intro | ||
+ | H1 Jindra. | ||
- | ===== Syntactic Parsing (WP 5.2) ===== | + | C2 Já jsem Pavla a budu si s Vámi povídat o Vašich fotkách. intro |
- | features: induce dependencies and labels | + | C2 Hned se můžeme podívat na první. photo_maintenance |
- | performance indicator: accuracy (correctly induced edges, labels) | + | C2 Co je na téhle fotce? |
- | v tipu je natrenovat MacDonnalda | + | 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. | ||
+ | C6 A co vlastně dělá váš syn? ask_on_detail dafclovek_30, | ||
+ | H6 Můj syn je teďka v hospodě. | ||
- | ===== Semantic Parsing (WP 5.2) ===== | + | C7 Takže Jirka je nyní v hospodě? repeat_rephrase |
- | features: assignment of semantic roles (69 roles), coordinations, argument structure, partial ellipsis resolution, pronominal anaphora resolution, post parsing detection of ungrammatical edges (caused by long utterances) | + | H7 Na staré kolena, vždyť už je mu taky 52, si vzal na starost hospodu. |
- | performance indicator: accuracy (correctly induced edges, labels) | + | |
- | ===== Information Extraction (WP 5.2) ===== | + | C8 To je ale šikovný. hodnotící_zacílená topic: |
- | features: template based identification of predicates | + | C8 A kde pracuje Jana? skip_to_associated_topic daf:clovek_30, |
- | covering predicates from before-mentioned set of DAFs. | + | H8 Je lékařka a dělá tady v Plzni. |
- | performance indicator: accuracy | + | 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. | ||
- | ===== Named Entities Recognition (WP 5.2) ===== | + | C Tak se podíváme na další snímek. |
- | features: detect person names, geographical locations, organizations | + | C Co na něm můžeme vidět? |
- | performance indicator: f-measure | + | |
+ | ====== 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. | ||
- | ===== Dialog Act Tagging (WP 5.2) ===== | + | H1 Sice trochu pršelo, ale na lyže se muselo. |
- | features: domain tailored tagset (variation of DAMSL-SWBD) | + | |
- | performance indicator: accuracy | + | |
+ | 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. | ||
- | ===== 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 | ||
+ | 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. | ||
- | ===== Natural Language Generation (WP 5.4) ===== | ||
- | features: morphological adjustments, | ||
- | performance indicator: BLEU score | ||
+ | C5 Rozumím. | ||
+ | | ||
+ | C5 Jezdili jste i na víc dní, nebo jen na jednodenní výlety? | ||
+ | | ||
+ | H5 S dětmi, když byly malé, to byly jednodenní výlety. | ||
- | ====== AZ PO LISTOPADU ====== | ||
- | ===== Syntactic Parsing (WP 5.2) ===== | + | C6 Lyžujete ráda? |
- | features: adapted to domain (McD trained on manual PDTSC trees) | + | ask_on_detail |
- | performance indicator: accuracy (correctly induced edges, labels) | + | H6 Lyžovala jsem, ale teď už vůbec ne, protože mám operované koleno i kyčel. |
- | ===== Sentiment Analysis (WP 5.2) ===== | + | C7 Člověk už na sebe musí dávat víc pozor. |
- | features: za tohle bych vydaval klasifikator, | + | komentující |
- | performance indicator: f-measure | + | C7 Máte to na Šumavu daleko? ask_on_detail daf:vylet |
+ | H7 Je to od nás z Útušic přes 30 kilometrů. | ||
- | ===== Complete System Evaluation ===== | + | C8 Takže jste jezdili na Šumavu na lyže autem. |
- | T5.2.7 tohle zminuje, nick webb to pro nas asi neudela | + | C8 Děti také baví lyžovat? skip_to_associated_topic |
- | performance indicator: number of tokens in user reply utterances, post-session questionare | + | 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. | ||
- | ===== advances ===== | + | C Řeknete mi ještě něco k téhle fotce? ask_for_more |
+ | C A kdo je na téhle? photo_maintenance | ||
- | advances in Czech NLU (on reconstructed spoken data): 300-500vet(? | ||
- | pos ? analyzovat, generovat a kontrolovat ' |