[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki


[ Back to the navigation ]

Differences

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

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
draft [2009/09/30 18:24]
ptacek
draft [2009/09/30 20:54] (current)
ptacek
Line 1: Line 1:
 ====== Architecture Description ====== ====== Architecture Description ======
  
- +The 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((Manual speech reconstruction is still in progress.)) and a pilot dialog acts annotation was performed on sample of 1000 sentences.
-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 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 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. +
- +
- +
-====== Progress Report ====== +
- +
-[[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 ====== +
- +
-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. +
- +
-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. +
- +
-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. +
- +
-C Podíváme se na další fotku? +
- +
-====== 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?  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. +
- +
-C Tak se podíváme na další snímek.  photo_maintenance +
-C Co na něm můžeme vidět?  photo_maintenance +
- +
- +
-====== 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. +
- +
- +
-C2 Jak často jste na Šumavu jezdili? +
- ask_on_detail +
-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. +
- +
-H3 Kostel byl plný lidu, což u nás ve Štěnovicích není. +
- +
- +
-C4 To je zajímavé. +
- hodnotící_obecná +
-H4 Já jsem sice z Útušic, ale chodíme do kostela do Štěnovic. +
- +
-H4 Spadáme tam jak k doktoru, tak i pod matriku. +
- +
- +
-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. +
- +
- +
-C6 Lyžujete ráda? +
- ask_on_detail +
-H6 Lyžovala jsem, ale teď už vůbec ne, protože mám operované koleno i kyčel.+
  
 +<html><br/><hr/><br/></html>
  
-C7 Člověk už na sebe musí dávat víc pozor. +The ASR module based on Hidden-Markov models transforms input speech into text, providing a front-end between the user and the Czech demonstratorThe ASR output is smoothed into a form close to standard written text by the Speech Reconstruction module in order to bridge the gap between dis-fluent spontaneous speech and a standard grammatical sentence.
- komentující +
-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.  repeat_rephrase +Results of the part-of-speech tagging are passed on to the Maximum Spanning Tree syntactic parsing module. A tectogrammatical representation of the utterance is constructed once the syntactic parse is available. Annotation of the meaning at tectogrammatical layer is more explicit than its syntactic parse and lends itself for information extraction. The Named Entity Recognition module then marks personal names and geographical locations. Afterwardsthe dialog act classifier uses number of lexical and morphological features to assess the type of user utterance (such as question, acknowledgement, etc.) that is a useful clue for Dialog Manager decisions.
-C8 Děti také baví lyžovat? skip_to_associated_topic +
-H8 Syn rád jezdí na běžkách. A dnes je moderní ten snowboardtak to zkouší.+
  
-C9 To je šikovnýhodnotící_zacílená +The dialog is driven by a Dialog Manager component by USFD (originally developed for the English Senior Companion prototype)
-C9 A dcera? ask_on_detail +CU has supplied the transition networks covering following topics: retired_person, husband, child, wife, wedding and Christmas. 
-H9 Ta moc nesportuje+Dialogue Manager provides information about the appropriate communicative function along with the sentence that is to be generated to the NLG module. The TTS module integrated with the TID avatar transforms system responses from the text form into the speech and visual (face expressions, gestures) representation. As such, it provides an interface between the demonstrator and the user.
  
-C Řeknete mi ještě něco k téhle fotce? ask_for_more +The Knowledge Base consists of objects (persons, events, photos) that model the information acquainted in the course of dialog. Those objects also provide a 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 a 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.
-C A kdo je na téhle? photo_maintenance+
  

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