TAILIEUCHUNG - Báo cáo khoa học: "Generating Usable Formats for Metadata and Annotations in a Large Meeting Corpus"

The AMI Meeting Corpus is now publicly available, including manual annotation files generated in the NXT XML format, but lacking explicit metadata for the 171 meetings of the corpus. To increase the usability of this important resource, a representation format based on relational databases is proposed, which maximizes informativeness, simplicity and reusability of the metadata and annotations. | Generating Usable Formats for Metadata and Annotations in a Large Meeting Corpus Andrei Popescu-Belis and Paula Estrella ISSCO TIM ETI University of Geneva 40 bd. du Pont-d Arve 1211 Geneva 4 - Switzerland @ Abstract The AMI Meeting Corpus is now publicly available including manual annotation files generated in the NXT XML format but lacking explicit metadata for the 171 meetings of the corpus. To increase the usability of this important resource a representation format based on relational databases is proposed which maximizes informativeness simplicity and reusability of the metadata and annotations. The annotation files are converted to a tabular format using an easily adaptable XSLT-based mechanism and their consistency is verified in the process. Metadata files are generated directly in the IMDI XML format from implicit information and converted to tabular format using a similar procedure. The results and tools will be freely available with the AMI Corpus. Sharing the metadata using the Open Archives network will contribute to increase the visibility of the AMI Corpus. 1 Introduction The AMI Meeting Corpus Carletta and al. 2006 is one of the largest and most extensively annotated data sets of multimodal recordings of human interaction. The corpus contains 171 meetings in English for a total duration of ca. 100 hours. The meetings either follow the remote control design scenario or are naturally occurring meetings. In both cases they have between 3 and 5 participants. Perhaps the most valuable resources in this corpus are the high quality annotations which can be 93 used to train and test NLP tools. The existing annotation dimensions include beside transcripts forced temporal alignment named entities topic segmentation dialogue acts abstractive and extractive summaries as well as hand and head movement and posture. However these dimensions as well as the implicit metadata for the corpus are difficult to exploit .

• Báo cáo khoa học
• Generating Usable Formats
• Metadata and Annotations
• Large Meeting Corpus
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• 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