基于神经网络的汉语口语言语语行为分析

为正确理解口语对话,把握话者意图,除必要的语法和语义分析外,口语系统还需进行语用层面上的言语为分析,文中提出了一种基于精简循环 ,综合使用语段级的微结构信息和语篇级的宏结构特征的汉语口语行为分析方法,针对全面安排领域口语语料库训练和测试,取得了满意效果。     

从“言”与“行”的多维关系看大学英语口语教学

面对提高英语口语交际技能的现实需求以及大学英语四级机考的试点,大学英语口语教学必然作出新的尝试。传统的语法结构法与外来的交际教学法在语言形式与言语功能上的偏移都未能很好地解决现实问题,而言语行为理论和马克思主义的言行观对“言”“行”关系的不同探讨则为大学英语口语教学从平衡语言形式和言语功能的角度,通过建立二者间的动态对应,实施言语行为的分层教学和建立良好的语伴关系为提高学生口语表达能力提供了可行性。     

从言语行为理论看中日天气预报用语的差异

言语行为理论认为人们说话的同时就是在实施某种行为,包括直接言语行为和间接言语行为。作为言语行为的天气预报,传递 的多是推断性信息,但其表层结构却并非一定是推断性的。通过对中日两国天气预报用语的比较分析可以发现,日本的天气预报用 语多是以“推断（reckon）”表“推断”的直接言语行为,而我国的用语里则存在大量用“陈述（state）”表“推断”的间接言语行为。这种差异 主要是由日语和汉语的语言使用特点决定的。     

浅谈小学语文教学中对学生的口语交际训练

口语交际是以口头语言为载体而进行的双向或多向的互动的信息交流活动。它既是人的发音器官和听觉器官的一种生理活动,同时也是一种复杂的心理活动。口语交际能力是言语表达能力、做人能力、生存能力等多种能力的有机组合,作为教师不应该忽视学生的口语交际能力的培养,因为它有着重要的积极意义。首先,进行口语交际训练是素质教育的重要内容,...     

言语信息处理的进展

该文介绍了言语信息处理的进展,特别提到汉语言语处理的现状。言语信息处理涉及到言语识别、说话人识别、言语合成、言语知觉计算等。带口音和随意发音的言语识别有力的支持了语言学习与口语水平测评等应用;跨信道、环境噪音、多说话人、短语音、时变语音等因素存在的情况下提高识别正确率,是说话人识别的研究热点;言语合成主要关注多语言合成、情感言语合成、可视言语合成等;言语知觉计算开展了言语测听、噪声抑制算法、助听器频响补偿方法、语音信号增强算法等研究。将言语处理技术与语言、网络有效结合,促进了更加和谐的人机言语交互。     

基于LOBA逻辑的言语行为表示

言语行为是多主体系统中一个有趣而重要的问题.该文从实际推理主体(practical reasoningagents)研究的角度对语用学中的言语行为进行了探讨.在多主体系统中言语行为的研究主要集中在3个方面:1)言语行为的本体描述;2)主体如何推理出合理的言语行为;3)主体如何正确处理其他主体发出的言语行为.这3个方面侧重点不同,但是相互间又紧密关联.重点讨论上述2)和3)两方面的内容,建立了一个主体认知过程的模型,并用可信主体逻辑LOBA(logic of believable agents)进行形式化表示.在主体认知过程的模型中,考虑包括主体的感知、信念、情绪、期望、目标、意图、承诺在内的各种认知成分,通过引入相应的认知动作来考虑这些认知成分之间的动态关系,并在此基础上描述主体如何产生和处理言语行为.在逻辑系统的构建上,LOBA逻辑扩展了KARO逻辑和LORA逻辑,将主体的情绪和认知动作都作为模态算子进行处理,并构建了3层语义模型以解释主体的认知动作.利用上述方法,LOBA可以在更细的粒度上来刻画主体的动态的实际推理过程.     

基于方程建立和小波配置的模拟电路自动建模

提出一种模拟电路行为级自动建模的方法．通过构建节点代数方程确定系统结构描述,利用小波配置方法建立所有基本单元的行为级描述,最终建立系统行为级模型,并据此开发了自动建模软件．所建模型面向模拟电路硬件描述语言的工业标准形式,在保证较高精度的同时,在仿真速度上与晶体管级描述相比具有明显的优势．     

多agent系统的抽象合作模型

合作是多agent系统的特征之一,研究了具有请求／服务交互特征的多agent系统的抽象合作模型,根据服务请求强度和服务提供方式的差异性和多样性,系统分析并提出了6种基本抽象合作模型,提取了请求、承诺和通知3个言语行为作为实现合作的原子通信行为,给出这些原子通信行为和抽象合作模型的严格语义定义,分析它们的实现机制,以描述多agent系统的合作方式和机制,指导多agent系统的设计和实现．     

Android安全性分析

从Android系统的系统框架入手,全面深入地分析了Android系统的安全机制与组成部分,进而得出Android面临的安全隐患与攻击行为。为增强Android的安全性,针对应用程序级攻击与内核级攻击行为．研究了XManDroid框架与基于logcat模式的内核行为分析框架,检测并阻止针对Android的恶意攻击行为,有效地保护了Android系统的安全。     

医患对话中“打断”现象研究综述

本文以“打断”这个典型医患会话交际中的言语行为对象，回顾了“打断”的定义和医患对话研究领域中“打断”现象的主要研究成果．并总结出医生的性别和职称是影响打断结果的主要因素。     

对话行为信息在口语翻译中的应用

在口语翻译中,如何融入语义及语用信息一直是目前研究的难点之一。对话行为作为浅层话语结构描述的特征,近年来陆续应用于不同类型的翻译系统中。该文在介绍对话行为理论和口语标注语料的基础上,以基于短语的统计翻译系统为应用对象,提出了对话行为应用于翻译过程的三种方式。该方法通过对对话行为的自动分类,使训练语料—测试语料、开发集—测试集、源语言—目标语言的一致性得到提高,提高了翻译系统的性能,使最终的翻译结果可以更准确地反映源语言所要表达的对话意图。在汉英口语翻译评测数据上的实验证明,对话行为信息的加入使翻译系统的性能得到了有效的提高。     

融合角色、结构和语义的口语对话预训练语言模型

口语语言理解是任务式对话系统的重要组件,预训练语言模型在口语语言理解中取得了重要突破,然而这些预训练语言模型大多是基于大规模书面文本语料。考虑到口语与书面语在结构、使用条件和表达方式上的明显差异,构建了大规模、双角色、多轮次、口语对话语料,并提出融合角色、结构和语义的四个自监督预训练任务：全词掩码、角色预测、话语内部反转预测和轮次间互换预测,通过多任务联合训练面向口语的预训练语言模型SPD-BERT（SPoken Dialog-BERT）。在金融领域智能客服场景的三个人工标注数据集——意图识别、实体识别和拼音纠错上进行详细的实验测试,实验结果验证了该语言模型的有效性。     

基于对话回合衰减的cache语言模型在线自适应研究

目前由于特定任务域语料的稀疏并且难以收集,这严重阻碍了对话系统的可移植性。如何利用在线收集的少量训练语料,实现语言模型的快速自适应,从而有效提高对话系统在新任务域的识别率是本文的目的所在。本文对传统cache模型修正后,提出了基于历史单元衰减的cache语言模型,以在线递增方式收集语料进行自适应,并与通用语言模型进行线性插值。在对话系统中,以对话回合为历史单元,也可称为基于对话回合衰减的cache语言模型。在两个完全不同任务域——颐和园导游与火车票订票任务域进行的实验表明,在自适应语料不到1千句时,与无自适应模型相比,有监督模式下的识别错误率分别降低了47.8%和74.0% ,无监督模式下的识别错误率分别降低了30.1%和51.1%。     

口语对话中冗余词汇识别方法研究

冗余现象是口语对话中普遍存在的特殊语言现象之一,它的存在常常会影响口语句子的理解和翻译。该文基于真实口语对话语料对冗余现象进行了分析,并在词汇层面对冗余现象进行了分类,然后对口语中的冗余词汇进行了统计识别方法研究。通过对冗余词汇处理前后的口语句子翻译实验,结果表明,预先对冗余现象进行处理,能够改善口语翻译的译文质量。     

Modeling complex spoken dialog

We develop a commercial phone-based SDS (spoken dialog system) that supplies information to employees about their holiday-allowance. Frequently-asked-questions (FAQ) system use of the conceptual dialog language (CDL), a customized language that express patterns specific to the system's dialog model while still providing a clear picture of the dialog model to domain experts and supporting model updates. CDL's power stems from its ability to capture the specifics of an SDS application while remaining flexible enough to support a range of modeling styles and requirements. To facilitate effective communication with domain experts, modelers can translate the dialog model in CDL to an HTML document, or they can compile it to a programming language for executable code.     

基于语义分类树的汉语口语理解方法

口语理解在口语自动翻译和人机对话系统中具有非常重要的作用。本文面向口语自动翻译提出了一种统计和规则相结合的汉语口语理解方法,该方法利用统计方法从训练语料中自动获取语义规则,生成语义分类树,然后利用语义分类树对待解析的汉语句子中与句子浅层语义密切相关的词语进行解析,最后再利用统计理解模型对各个词语的解析结果进行组合,从而获得整个句子的浅层语义领域行为。实验结果表明,该方法具有较高的准确率和鲁棒性,适合应用在限定领域的汉语口语浅层语义理解。     

面向中间语义表示格式的汉语口语解析方法

口语解析在人机对话系统和口语翻译系统中的作用是十分关键的。本文提出了一种统计和规则相结合的汉语口语解析方法,解析结果是一种中间语义表示格式。该方法分为两个阶段。首先,采用统计方法,解析出输入句子的语义信息,然后,利用规则,将这些语义信息映射到中间语义表示格式。试验证明,此方法具有较强的鲁棒性,而且避免了完全用规则方法解析的一些弊端,达到较高的解析正确率。     

口语对话系统中的语句主题提取

语句的主题提取是口语对话系统中话语分析部分的工作。目前的口语对话系统大多将自然语言处理的重点放在语法和语义平面,而忽视了对上下文语境的分析,该文提出一种基于规则的语句主题提取方法,通过自底向上与自顶向下两种分析器完成主题与用户意图的提取,为系统的自然语言生成提供更准确的领域知识,从而大大提高了系统的整体性能。     

语音浏览器的概念、框架和应用

分析了语音浏览器的概念和框架,以及语音输入、对话管理和响应生成整个口语对话过程的标记规范,重点说明了语音浏览器的核心标准VoiceXML的原理和工作特性,并描述了应用语音浏览器创建口语对话系统的整体方案。以此为基础,本文给出了语音浏览器在股票交易系统中的具体应用实例。通过语音浏览器平台,可以创建灵活性很强的混合主导对话模式的口语对话系统。     

Using dialog and human observations to dictate tasks to a learning robot assistant

Robot assistants need to interact with people in a natural way in order to be accepted into people’s day-to-day lives. We have been researching robot assistants with capabilities that include visually tracking humans in the environment, identifying the context in which humans carry out their activities, understanding spoken language (with a fixed vocabulary), participating in spoken dialogs to resolve ambiguities, and learning task procedures. In this paper, we describe a robot task learning algorithm in which the human explicitly and interactively instructs a series of steps to the robot through spoken language. The training algorithm fuses the robot’s perception of the human with the understood speech data, maps the spoken language to robotic actions, and follows the human to gather the action applicability state information. The robot represents the acquired task as a conditional procedure and engages the human in a spoken-language dialog to fill in information that the human may have omitted.