TAILIEUCHUNG - Báo cáo khoa học: "Automatically Learning Measures of Child Language Development"

We propose a new approach for the creation of child language development metrics. A set of linguistic features is computed on child speech samples and used as input in two age prediction experiments. In the first experiment, we learn a child-specific metric and predicts the ages at which speech samples were produced. We then learn a more general developmental index by applying our method across children, predicting relative temporal orderings of speech samples. | Automatically Learning Measures of Child Language Development Sam Sahakian University of Wisconsin - Madison sahakian@ Benjamin Snyder University of Wisconsin - Madison bsnyder@ Abstract We propose a new approach for the creation of child language development metrics. A set of linguistic features is computed on child speech samples and used as input in two age prediction experiments. In the first experiment we learn a child-specific metric and predicts the ages at which speech samples were produced. We then learn a more general developmental index by applying our method across children predicting relative temporal orderings of speech samples. In both cases we compare our results with established measures of language development showing improvements in age prediction performance. 1 Introduction The rapid childhood development from a seemingly blank slate to language mastery is a puzzle that linguists and psychologists continue to ponder. While the precise mechanism of language learning remains poorly understood researchers have developed measures of developmental language progress using child speech patterns. These metrics provide a means of diagnosing early language disorders. Besides this practical benefit precisely measuring grammatical development is a step towards understanding the underlying language learning process. Previous NLP work has sought to automate the calculation of handcrafted developmental metrics proposed by psychologists and linguists. In this paper we investigate a more fundamental question Can we use machine learning techniques to create 95 a more robust developmental measure itself If so how well would such a measure generalize across children This last question touches on an underlying assumption made in much of the child language literature- that while children progress grammatically at different rates they follow fixed stages in their development. If a developmental index automatically learned from one set of children

• Báo cáo khoa học
• Automatically Learning Measures
• Child Language Development
• Sam Sahakian
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball