以學習者平行語料庫為本之西班牙語連接詞研究 (Parallel Corpus-based Study of Conjunctions)

以中文十億詞語料庫為基礎之兩岸詞彙對比研究 (A Study of Lexical Differences between China and Taiwan based on the Chinese Gigaword Corpus) [In Chinese]

以語言模型評估學習者文句修改前後之流暢度(Using language model to assess the fluency of learners sentences edited by teachers)[In Chinese]

隨著科技的發展,現在 3C 產品可說是非常的普遍,也因為如此現在非常多的孩子從小就 接觸電腦、手機、平板等 3C 產品,使得現在學生更有可能以電腦作為寫作文的工具。雖 然教育政策將作文納入考試評分項目,使得學生跟家長再度重視寫作能力,但是受限於 教學時數,可以練習寫作的時間實在是不足以將那些寫作能力較弱的學生作有效提升。 因此我們認為未來可以藉由自動化的作文教學系統幫助學生在家自學作文。而我們所開 發作文教學之句子流暢度偵測系統,經由系統回傳的診斷結果,幫助學生提升詞句組合 的理解能力以寫出較順暢的句子,藉此提升他們作文的分數。本系統依賴 N-gram 的語言 模型[1],其特色是計算字詞間組合的機率,機率越高字詞組合的正確性就越高句子也就 越順暢,然而語言模型其效果相當依賴大型的訓練語料,這是語言模型仍待克服的問題, 而且如果訓練語料的性質跟要測試的文章性質越不相關,效果就會越差,...

以語言模型判斷學習者文句流暢度(Analyzing Learners 'Writing Fluency Based on Language Model)[In Chinese]

由於現代科技以及 3C 產品的普及,使得孩子頻繁的接觸電視、網路、手機...等,因此 容易缺乏與人之間互動、溝通以及情感的表達,相對的,學生寫的作文常常是以流水帳 交代經過,有的學校甚至不考作文,但隨著教育政策的變動,國中教育會考加入了作文 評量的項目,使的作文再度受到學生及家長的重視。可是受限於學校教學時數,作文較 弱的學生容易缺少補救的機會。我們認為未來自學作文以及在家練習,可以藉由自動化 的作文教學系統輔助。而本系統開發作文教學系統之句子流暢度偵測,經由系統回饋的 診斷結果可以讓學生對詞句組合的理解力有所提升,幫助學生寫出較流暢的句子,藉此 提高他們的作文分數。系統所依賴的 N-gram 語言模型,它的特性是計算字詞間組合的 機率,機率越高的話字詞組合的正確性越高也就是越流暢,而語言模型效果相當依賴大 型的訓練語料,這是語言模型然能待克服的缺點,例如資料稀疏(Data spar...

透過語音特徵建構基於堆疊稀疏自編碼器演算法之婚姻治療中夫妻互動行為量表自動化評分系統(Automating Behavior Coding for Distressed Couples Interactions Based on Stacked Sparse Autoencoder Framework using Speech-acoustic Features)[In Chinese]

人與人之間交談互動,常透過語言傳達彼此的想法,並在這交談過程中得知雙方的行為 反應。利 用人為觀察來分析雙方行為反應,這種人為分析方式最早常應用在心理學和精神醫學方面 [2]。人 為行為觀察已經相當的成功用於研究親密關係 [3][4],因為夫妻的互動行為是影響親密關係程度的 重要因素之一。然而使用人為觀察行為的方式長年存在根本問題,一方面太消耗時間,另一 面也 主觀。 如果能透過電腦工程的方式來幫忙人為觀察將大大提升效率:即透過低層描述映射高層描 述來預測與分析人類行為 [5]。這項研究領域是一個新興的領域分。人類行為信號處理 (Behavioral Signal Processing, BSP)目的在幫助連接信號處理技術與行為分析的跨領域學科,建立在 傳統的信號 處理研究,如語音識別,面手部追蹤等等。相關顯著 BSP 研究已發產於以人為中心的提取音頻, 視頻信號,來分析高階人類行為...

以二維共振峰分布建立語者音色模型及其在語者驗證上之應用 (Using 2D Formant Distribution to Build Speaker Models and Its Application in Speaker Verification) [In Chinese]

語音是人類彼此間溝通最方便也最首要的方式。語音不但是用於傳播信息,也是一項重要的生物特徵 (biometrics),可以用來做身份識別之用。對於利用電腦來分析語音這方面的研究,大致可分為兩個領域: 一是語詞識別(speech recognition),一是語者識別(speaker recognition)[1-4]。若是要分辨某一個語音 樣本是否來自某一個特定的語者,則又稱為語者驗證(speaker verification 或 speaker authentication)。 語者驗證又可細分為限定語詞(text dependent)與非限定語詞(text independent)兩種方式[5,6]。在限 定語詞的方式中,用來比對的兩段語音樣本,其語音之內容須為相同或相似。而在非限定語詞的方式下, 其語句之內容可為不同。後者之處理難度較高,但在取樣上較不受限,其應用也較為廣泛。本研...