Differences

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

--- draft [2009/07/16 09:12]
ptacek
+++ draft [2009/09/30 18:25]
ptacek
@@ Line 1: / Line 1: @@
-====== Progress Report ======
+====== Architecture Description ======
-[[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, 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.
-====== Description of Czech Companion November Demonstrator ======
+====== Progress Report ======
-The Czech version of the 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 is different (see Figure 1). Regarding the physical settings, the Czech version runs on two notebook computers connected by a local network; one can be seen as a Speech Client, running modules dealing with ASR, TTS and ECA, second as an NLP Server.
-The dialog is driven by a dialog manager component by USFD (originally developed for the English Senior Companion prototype), we supply the transition network (DAFs). The selection is backed by (a) appropriateness for the type of dialog we aim for (the corpus reveals frequent reoccurring topics to be handled by DAFs) , (b) availability of mature package within time frame that allows for integration, (c) possibility of reusing created DAF states, tests and specified actions for the upcoming statistical DM by UOXF (however this is post November work).
-Our DAFs covering selected topics contain not only Companion replies mined from the corpora, but also new human-authored assessments, remarks and glosses to provide longer system utterances in order to encourage user to tell more.
-{{user:ptacek:czech_companion_diagram.png|}}
-===== Automatic Speech Recognition (WP 5.1)=====
-features: improved language models, real-time speaker adaptation
-performance indicator: WER
-===== Speech Reconstruction (WP 5.2) =====
-features: omit filler phrases, remove irrelevant speech events, handle false starts, repetitions, and corrections, polish word ordering
-performance indicator: BLEU score between actual output and manually reconstructed sentences from corpora (T5.2.1), baseline: Moses with default settings
+[[Progress Report]] - dal jsem to na zvlastni stranku, abysme si nelezli do zeli
+[[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 ======
-===== Morphology Analyzer and POS tagging (WP 5.2) =====
+C1 Dobrý den, jak se jmenujete? (intro-daf-based)
-features: coverage of photo-pal domain, domain adapted tagger **(XXX prida nam Jarka OOV slova co najdeme - Mirek uz vyrabi list, bude PDTSC rucne oznackovane - do listopadu?)**
+H1 Marie.
-performance indicator: OOV rate, accuracy
+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.
-===== Syntactic Parsing (WP 5.2) =====
+C4 Jak se jmenuje váš manžel?
-features: induce dependencies and labels
+H4 Manžel už nežije, jmenoval se Karel Šístek.
-performance indicator: accuracy (correctly induced edges, labels)
+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.
-===== Semantic Parsing (WP 5.2) =====
+C9 To je smutné.
-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 user utterances)
+C9 Znala jste ho dobře?
-performance indicator: accuracy (correctly induced edges, labels)
+H9 Velmi dobře, trávili jsme obě rodiny společně hodně času.
-===== Information Extraction (WP 5.2) =====
+C10 Máte už nějaká vnoučata?
-features: template based identification of predicates
+H10 Mám vnučku Natálku.
-covering predicates from  before-mentioned set of DAFs.
+H10 Ona je takové živé děťátko, taková neposeda.
-performance indicator: accuracy
+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.
-===== Named Entities Recognition (WP 5.2) =====
+C13 To je fajn.
-features: detect person names, geographical locations, organization names
+C13 S dětmi je legrace.
-performance indicator: f-measure
+H13 Ano.
+C Podíváme se na další fotku?
+====== Scenario Brief 2 ======
+C1 Dobrý den, jak se jmenujete? intro
+H1 Jindra.
-===== Dialog Act Tagging (WP 5.2) =====
+C2 Já jsem Pavla a budu si s Vámi povídat o Vašich fotkách. intro
-features: domain tailored tag-set (variation of DAMSL-SWBD)
+C2 Hned se můžeme podívat na první. photo_maintenance
-performance indicator: accuracy
+C2 Co je na téhle fotce?  photo_maintenance
+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.
+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,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.
+C9 Bydlí v Plzni? ask_on_detail daf:clovek_30 pravděpodobná hodnota zvolená podle historie
+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.
-===== Dialog Manager (WP 5.3) =====
+C Tak se podíváme na další snímek.  photo_maintenance
-features: integrated DAF-based dialog manager from previous English prototype,
+C Co na něm můžeme vidět?  photo_maintenance
-manual creation of DAFs covering following topics: Person_retired, Person_in_productive_age, Child, Husband, Wife, Wedding, Christmas, Death, Handling_stalled_dialog (most frequent topics in corpora), using customized DAF Editor provided by USFD.
-performance indicator: acceptability - manual evaluation of actions selected by DM
+====== 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?
+ photo_maintenance
+H1 To jsme byli prvně s novým autem na Šumavě.
+H1 Sice trochu pršelo, ale na lyže se muselo.
-===== Natural Language Generation (WP 5.4) =====
+C2 Jak často jste na Šumavu jezdili?
-features: adding of functional words, morphological adjustments, generating paraphrases for hard-coded utterances, underspecified input (dott format), passing-through of emotional markup (originating in DAFs)
+ ask_on_detail
-performance indicator: BLEU score
+H2 Dost, ne tak často, ale aspoň asi dvakrát, třikrát za zimu.
+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.
-===== Emotional TTS (WP 5.5) =====
+H3 Kostel byl plný lidu, což u nás ve Štěnovicích není.
-features: emotions will be expressed implicitly, through the usage of communicative functions; new female voice database was recorded for this purposes
-performance indicator: listening tests
+C4 To je zajímavé.
+ hodnotící_obecná
+H4 Já jsem sice z Útušic, ale chodíme do kostela do Štěnovic.
-===== Emotional Avatar Integration (WP 5.5) =====
+H4 Spadáme tam jak k doktoru, tak i pod matriku.
-features: new Czech female voice with affective features will be integrated with the TID avatar
-performance indicator: subjective evaluation of the naturalness and the ability to convey emotions (small-scale, given the time constraint)
---------------cut here----------------
+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.
-====== AZ PO LISTOPADU (NENI SOUCASTI ZPRAVY PRO PO) ======
-===== 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, co rozhoduje ,jestli se rekne 'To je smutné/veselé'. Tem adjektivum rucne priradim negative/positive sentiment.
+ 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.  repeat_rephrase
-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(?) rucne anotovat pos, a-tree, t-tree, IE predicates, Named Entities, DA pro eval in-domain testy after Nov.
-pos ? analyzovat, generovat a kontrolovat 'jen' kde je rozdil ve forme?

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

Institute of Formal and Applied Linguistics Wiki

Differences