| Název: | Czech spontaneous speech corpus with structural metadata |
| Další názvy: | Český korpus spontánní řeči s anotací strukturálních metadat |
| Autoři: | Kolář, Jáchym Švec, Jan Strassel, Stephanie Walker, Christopher Kozlíková, Dagmar Psutka, Josef |
| Citace zdrojového dokumentu: | KOLÁŘ, Jáchym; ŠVEC, Jan; STRASSEL, Stephanie; WALKER, Christopher; KOZLÍKOVÁ, Dagmar; PSUTKA, Josef. Czech spontaneous speech corpus with structural metadata. In: Proceedings of ICSPL 2005: 6th Annual Conference of the International Speech Communication Association 2005, Lisboa, Portugal, 4-8 September 2005. [Baixas]: ISCA, 2005, p. 1165-1168. ISSN 1990-9772. |
| Datum vydání: | 2005 |
| Nakladatel: | ISCA |
| Typ dokumentu: | článek article |
| URI: | http://www.kky.zcu.cz/cs/publications/KolarJ_2005_Czechspontaneous http://hdl.handle.net/11025/17115 |
| ISSN: | 1990-9772 |
| Klíčová slova: | strukturální metadata;spontánní řeč;neplynulost;výplně |
| Klíčová slova v dalším jazyce: | structural metadata;spontaneous speech;disfluence;fillers |
| Abstrakt: | Tento článek popisuje český korpus spontánní řeči skládajícíse z nahrávek rozhlasových diskusních pořadů. Jako první kompletní neanglický MDE korpus byl anotován strukturálními metadaty, která zvyšují čitelnost přepisů člověkem a umožňují i další automatické zpracování. Anotace zahrnuje rozdělení přepisů do syntakticko-sémantických jednotek a identifikace výplní a neplynulostí. Mimo modifikací nutných pouze pro češtinu také navrhujeme některé modifikace nezávislé na jazyku, jako je například limitované prozodické značkování na hranicích syntakticko-sémantických jednotek. |
| Abstrakt v dalším jazyce: | This paper describes a Czech spontaneous speech corpus consisting of radio talk show recordings. As the first complete non-English MDE corpus, it has been annotated with structural metadata information beyond the words that is critical to both increasing transcript readability and allowing application of downstream NLP methods. Metadata annotation involves partitioning verbatim transcripts into syntactic/semantic units (SUs) that function to express a complete idea; and identifying fillers and edit disfluencies. Annotation guidelines for English metadata developed by Linguistic Data Consortium were taken as the starting point, with changes applied to accommodate specific phenomena of Czech. In addition to the necessary language-dependent modifications, we further propose some language-independent modifications including limited prosodic labeling at SU boundaries. Statistics about the structural metadata annotation present in the corpus and inter-annotator agreement numbers are also presented. |
| Práva: | © Jáchym Kolář - Jan Švec - Stephanie Strassel - Christopher Walker - Dagmar KozlÍková - Josef Psutka |
| Vyskytuje se v kolekcích: | Články / Articles (KKY) |
Soubory připojené k záznamu:
| Soubor | Popis | Velikost | Formát | |
|---|---|---|---|---|
| KolarJ_2005_Czechspontaneous.pdf | Plný text | 80,02 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/17115Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.