Oct, 2023

ChiSCor：荷兰儿童自由叙述的奇幻故事语料库，供计算语言学和认知科学使用

PDF
TL;DR本研究详细介绍了 ChiSCor 的构建过程，并展示了其在三个简短的案例研究中的潜力：首先，展示了故事的句法复杂度在儿童年龄段之间相对稳定；其次，扩展了关于自由言论中 Zipf 分布的研究并展示了 ChiSCor 与社会环境反映了 Zipf 定律的密切相关性；第三，展示了即使 ChiSCor 规模相对较小，该语料库仍足够丰富，可以训练信息丰富的词形向量，用于分析儿童的语言使用。最后，我们对叙事数据集在计算语言学中的价值进行了思考。
发现论文，激发创造
  • 编制及理论基础：一个包含中英双语儿童非母语言音频语料库

    本研究介绍了一个由 50 名中英双语 5-6 岁儿童故事叙述构成的非母语英语语音语料库，提供了 6.5 个小时的儿童在英语（L2）故事理解测试中的文本、语法和发音错误的标注记录和人工评级分数。本语料库可用于第二语言教学，并有助于提高自动语音识别（ASR）的总体性能。

    Apr, 2023

  • 自然故事语料库

    为了比较人类语言处理模型，许多研究使用富自然语言材料的语料库来预测参与者反应，但这些研究所使用的许多语料库是基于自然文本的，因此缺少许多频率低的句法结构，而这些句法结构是区分处理理论所必需的。本文提出一种新的语料库，包含许多低频句法结构且易于被母语人士理解，该语料库已标注手动修正的语法树，并包括了自定速度阅读时间的数据。

    Aug, 2017

  • 通识故事深入理解语料库及评估框架

    本文介绍一个新的 “Story Cloze Test” 框架来测试一个系统对五句子情景的理解和故事学习，同时介绍了用于此框架的新语料库 ROCStories，用于在日常事件之间捕捉因果和时间共识关系的同时收集高质量的日常生活故事。实验证明现有的浅层语言理解模型不能高分通过 Story Cloze 测试，这对剧本和故事的学习提出深层次的理解建议。

    Apr, 2016

  • My Science Tutor (MyST) - 儿童会话语言的大型语料库

    MyST 语料库是一个大型的儿童会话语料库，拥有约 10.5K 个虚拟辅导会话的约 230K 个话语，来自约 1.3K 个三年级、四年级和五年级学生，其目的是通过改进语音识别算法和开发对话型人工智能代理来促进儿童对科学的兴趣、学习和远程教育的发展。

    Sep, 2023

  • 计算语言学文档实验用的极低资源语音语料库

    这篇论文介绍了一个收集自非洲 Bantu C25 语族中的一种语言 Mboshi 的语音语料库，在几乎零的资源条件下构建了该语料库，并利用其中的数据完成了口语术语发现。该论文讨论了如何收集，清理和处理数据，并将该数据集提供给社区进行可重现的计算语言文献研究和评估。

    Oct, 2017

  • 人类和计算机话语结构的新型语料库

    本文提供了一个包含 445 篇人工和计算机生成的文档的语料库，其中包含约 27,000 个从句，注释了语义从句类型和相关关系，以便对人工和自然语篇模式进行微妙的比较。它涵盖了正式和非正式的话语，包括使用 Fine-tuned GPT-2 和 GPT-3 (分别为 Zellers 等人 2019 年和 Brown 等人 2020 年发表的技术) 生成的文档。通过提供初步的证据，我们展示了该语料库对于对生成文本进行详细的话语分析的有用性：较少数量、更短和更不连贯的从句关系与计算机生成的叙述和论述的较低感知质量相关联。

    Nov, 2021

  • 历史西班牙语开放式历时语料库：标注标准和自动化拼写现代化

    描述了 IMPACT-es 历史西班牙语语料库和相应词汇表，其中包括 8 百万个单词和 1 万多个单词和他们在文件中的各种变体的链接。介绍了基于文本编码倡议的标准和标注标准，并说明了利用统计机器翻译技术推断概率上下文敏感规则的应用。

    Jun, 2013

  • 自閉症譜系障礙韓國兒童言語語料庫：朝向自動評估系統

    本文介绍了一个专门针对韩国自闭症儿童开发的语音语料库，旨在推进发音和严重程度评估等语音技术。通过对自闭症儿童的语音和语言评估会话录音进行转录和注释，提取语音数据并分析语音和语言特征，揭示了自闭症儿童的一些与典型发育儿童或通过临床评分分类的自闭症亚组有所不同的语音和语言特征，为社交沟通严重程度和发音熟练度的自动评估系统的开发提供了潜力。

    Feb, 2024

  • 理解与生成道德故事的语料库

    本文提出了两项理解任务和两项生成任务，以评估机器的道德故事理解和写作能力，并提供了一个新的汉英双语人工写作的道德故事数据集 STORAL，使用检索增强算法对模型进行训练，并在自动和手动评估中测试了不同模型的性能。

    Apr, 2022

  • 通过 Codex 引导的神经符号推理检测故事不一致性

    本文研究利用符号方法跟踪故事状态和帮助故事理解，通过对 CoRRPUS 系统和抽象提示过程的研究，表明我们的方法可以在最小的手动工程条件下，打败当前的有结构的语言模型技术，希望这项研究能够强调符号表示和专门提示对 LLM 的重要性。

    Dec, 2022