TAILIEUCHUNG - Báo cáo khoa học: "Question Detection in Spoken Conversations Using Textual Conversations"

We investigate the use of textual Internet conversations for detecting questions in spoken conversations. We compare the text-trained model with models trained on manuallylabeled, domain-matched spoken utterances with and without prosodic features. Overall, the text-trained model achieves over 90% of the performance (measured in Area Under the Curve) of the domain-matched model including prosodic features, but does especially poorly on declarative questions. | Question Detection in Spoken Conversations Using Textual Conversations Anna Margolis and Mari Ostendorf Department of Electrical Engineering University of Washington Seattle WA USA amargoli mo @ Abstract We investigate the use of textual Internet conversations for detecting questions in spoken conversations. We compare the text-trained model with models trained on manually-labeled domain-matched spoken utterances with and without prosodic features. Overall the text-trained model achieves over 90 of the performance measured in Area Under the Curve of the domain-matched model including prosodic features but does especially poorly on declarative questions. We describe efforts to utilize unlabeled spoken utterances and prosodic features via domain adaptation. 1 Introduction Automatic speech recognition systems which transcribe words are often augmented by subsequent processing for inserting punctuation or labeling speech acts. Both prosodic features extracted from the acoustic signal and lexical features extracted from the word sequence have been shown to be useful for these tasks Shriberg et al. 1998 Kim and Woodland 2003 Ang et al. 2005 . However access to labeled speech training data is generally required in order to use prosodic features. On the other hand the Internet contains large quantities of textual data that is already labeled with punctuation and which can be used to train a system using lexical features. In this work we focus on question detection in the Meeting Recorder Dialog Act corpus MRDA Shriberg et al. 2004 using text sentences with question marks in Wikipedia talk 118 pages. We compare the performance of a question detector trained on the text domain using lexical features with one trained on MRDA using lexical features and or prosodic features. In addition we experiment with two unsupervised domain adaptation methods to incorporate unlabeled MRDA utterances into the text-based question detector. The goal is to use the unlabeled .

• Báo cáo khoa học
• Question Detection
• Spoken Conversations
• Textual Conversations
• 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