Dialoghi Annotati per Interfacce vocali avanzate

Transcript

1 SI-TAL Documento di Specifiche Tecniche di SI-TAL Manuale Operativo Capitolo 5 Dialoghi Annotati per Interfacce vocali avanzate Specifiche Tecniche * * Istituto Trentino di Cultura Istituto per la Ricerca Scientifica e Tecnologica (ITC-irst) Centro Studi e Laboratori Telecomunicazioni (CSELT) Consorzio Pisa Ricerche - (CPR)

2 Sommario 1 INTRODUZIONE Nota sull annotazione multi-livello... 7 PARTE I SPECIFICHE RELATIVE ALLA RACCOLTA DEI DATI DESCRIZIONE DEL DOMINIO Dialoghi macchina/persona Dialoghi persona/persona MODALITÀ DI ACQUISIZIONE DEI DIALOGHI Modalità di acquisizione: dialoghi macchina/persona Modalità di acquisizione: dialoghi persona/persona CRITERI DI TRASCRIZIONE...15 PARTE II SPECIFICHE RELATIVE ALL ANNOTAZIONE...17 SEZIONE I: STATO DELL ARTE DELL ANNOTAZIONE DI DIALOGHI LIVELLO PROSODICO Introduzione I fenomeni prosodici Gli eventi prosodici linguistici I correlati fonetici della prosodia La trascrizione prosodica Presentazione e analisi degli schemi di annotazione TEI ToBI Il meta-schema per l annotazione prosodica del progetto MATE LIVELLO MORFOSINTATTICO E SINTATTICO Introduzione Annotazione morfosintattica e sintattica Annotazione morfosintattica e sintattica della lingua parlata Annotazione morfosintattica della lingua parlata Annotazione sintattica della lingua parlata E-2

3 2.4 Raccomandazioni preliminari LIVELLO CONCETTUALE Introduzione Criteri utilizzati per il confronto degli schemi Indice degli schemi di annotazione esaminati ATIS VERBMOBIL Coconut C-Star Riepilogo Conclusioni LIVELLO PRAGMATICO Overview Introduzione L annotazione degli atti linguistici Criteri utilizzati per la descrizione degli schemi Elenco degli schemi di annotazione esaminati Alparon Schema di annotazione dell Università di Chiba Chat COCONUT Schema di annotazione di Condon e Cech C-STAR DAMSL Dialogos GDA (Global Document Annotation) Janus Schema di annotazione di Giovanni Flammia LinLin Maptask Schema di annotazione di Christine Nakatani SLSA Schema di annotazione del progetto Switchboard SWDB-DAMSL Schema di annotazione di David Traum Schema di annotazione del progetto Verbmobil SEZIONE II - SPECIFICHE DELL ANNOTAZIONE IN SI-TAL ARCHITETTURA GENERALE DI ANNOTAZIONE LIVELLO PROSODICO Requisiti Il meta-schema di MATE per l annotazione prosodica Il meta-schema Schemi di annotazione rappresentabili nel meta-schema E-3

4 3 LIVELLO MORFOSINTATTICO E SINTATTICO Introduzione Il metodo: approccio normalizzante vs. non-normalizzante Articolazione interna dello schema di annotazione morfosintattica e sintattica Trascrizione emendata Specifiche di annotazione per il livello morfosintattico Il tagset per l annotazione morfosintattica Estensioni del tagset Specifiche di annotazione per il livello sintattico Shallow Parsing Chunking Applicazione dello schema all analisi del parlato Conclusioni LIVELLO CONCETTUALE Introduzione Discussione Proposta Espressioni temporali Espressioni dipendenti dal dominio LIVELLO PRAGMATICO Valutazione degli schemi di annotazione Tavole di valutazione generale Tavole di confronto delle etichette e dei fenomeni annotati a seconda del dominio Confronto delle etichette previste negli schemi analizzati ed evidenziazione delle comunalità Tavole di evidenziazione delle comunanze tra gli schemi di annotazione esaminati Indicazioni di best-practice Descrizione delle etichette consigliate Valutazione dello schema di annotazione consigliato PARTE III - SPECIFICHE RELATIVE AL SOFTWARE PER L ANNOTAZIONE STATO DELL ARTE DEGLI STRUMENTI SOFTWARE Introduzione Criteri utilizzati per il confronto degli strumenti software Indice degli strumenti esaminati ALEMBIC (MITRE CORPORATION) ANNOTAG CLAN DAT (Dialogue Annotation Tool) DiET (Diagnostic and Evaluation Tools for natural language applications) EMU Entropic Signal Processing System (esps/xwaves+) FRINGE (Università di Edinburgo) MATE (Multilevel Annotation, Tools Engineering) E-4

5 Nb Nota Bene TATOE TRANSCRIBER Tavole comparative SPECIFICHE SOFTWARE Introduzione Il Tool di MATE Introduzione Approccio La rappresentazione interna dei corpora codificati in XML Il linguaggio ed il processore di ricerca Il linguaggio e il processore di stylesheet L interfaccia utente Gli oggetti di visualizzazione Conclusioni Appendice RIFERIMENTI BIBLIOGRAFICI APPENDICE - SPECIFICA XML DELLE TRASCRIZIONI ORTOGRAFICHE E-5

6 Dialoghi Annotati per Interfacce vocali avanzate Specifiche Tecniche 1 Introduzione I corpora rivestono un importanza fondamentale nelle applicazioni vocali. Poiché i loro costi sono molto alti, è essenziale che la loro acquisizione e annotazione sia progettata in modo da favorire quanto più possibile il loro riutilizzo sia da soli che assieme ad altri corpora. Infatti, la prima fase del processo di preparazione di una nuova applicazione, prevede normalmente l esame di tutte le risorse accessibili, allo scopo di valutarne l usabilità per l'applicazione in esame. Spesso un solo corpus non è sufficiente per l obiettivo che ci si propone: in questi casi, una soluzione da prendere in esame è la sua integrazione con altri corpora disponibili, anche se essi in genere sono stati raccolti con finalità diverse. Inoltre, è possibile che il progetto preveda l acquisizione di altri dati strettamente finalizzati all applicazione in esame. Perché tutti questi dati possano essere utilizzati assieme, è essenziale che sia i file di segnale acustico, che le trascrizioni e le annotazioni siano compatibili tra loro. Per questa ragione, nella preparazione di un corpus è importante adeguarsi quanto più possibile a standard, laddove esistano, o comunque a prassi diffuse. In questo capitolo verranno quindi esaminate le diverse proposte avanzate per la trascrizione e l'annotazione dei corpora ai vari livelli. Strettamente legato al problema dei formati di annotazione, è il problema delle caratteristiche necessarie alle applicazioni software in modo da poter funzionare in modo sufficientemente uniforme sui diversi corpora sia per la loro annotazione che per la ricerca. A partire dallo studio dello stato dell arte, verranno quindi messe a punto le specifiche sia per l annotazione che per gli strumenti software. A questo livello, le specifiche devono prescindere dalla scelta del dominio di applicazione, in modo da poter avere una parte della definizione dell annotazione che sia indipendente dal dominio. Più è ampia la parte indipendente da dominio, più l annotazione risultante sarà facilmente portabile su nuovi domini applicativi. Infatti, si potrà partire da una base comune a tutti i domini, come ad esempio le espressioni temporali, che ricorrono nella maggior parte dei domini, per poi sviluppare la parte caratteristica del dominio in esame. Solo in una seconda fase, poi, verrà sviluppata la parte specifica dei domini applicativi scelti, la cui descrizione viene comunque data in questo documento. Si noti che nella scelta del dominio E-6

7 applicativo diventa essenziale distinguere almeno tra due grandi classi di applicazioni: le interfacce uomo/macchina e quelle uomo/uomo, mediate dalla macchina. Il caso di interazioni uomo/macchina generalmente prevede dialoghi in cui l utente chiede informazioni ad un applicazione automatica. La scelta del dominio corrisponde quindi alla scelta del tipo di informazioni che l'applicazione è in grado di fornire. L applicazione può inoltre essere arricchita da eventuali richieste di azioni da parte dell'utente, quali ad esempio richieste di prenotazioni. Nel caso di dialoghi uomo/uomo, invece, il tipo di applicazione tipica è quella di una mediazione della macchina, che può avere diversi obiettivi, quali ad esempio seguire e riassumere la conversazione o facilitare la comunicazione tra parlatori di lingua diversa attraverso un applicazione di traduzione automatica. 1.1 Nota sull annotazione multi-livello In questo deliverable e nelle sezioni del capitolato tecnico di SI-TAL riguardanti il tema dell annotazione di dialoghi si fa spesso riferimento al fatto che lo strumento di annotazione adottato deve consentire un attività di annotazione su più livelli. In questo paragrafo vogliamo chiarire e precisare il significato di questo requisito e le sue implicazioni per gli schemi di annotazione proposti. L annotazione di un testo, sia esso un dialogo tra persone, un monologo o un dialogo tra un agente umano ed un agente artificiale, può essere effettuata in base ad esigenze specifiche volte ad evidenziare nel testo fenomeni propriamente descritti, a livello teorico, nelle diverse branche della linguistica. In questo senso un ambiente di annotazione multi-livello deve consentire di annotare un testo prevedendo la possibilità di marcare fenomeni linguistici che si collocano a livelli di astrazione diversa. Lo schema di annotazione di SI-TAL soddisfa questo requisito permettendo di annotare i dialoghi su diversi livelli di descrizione fenomenologica (prosodica, morfo-sintattica, concettuale e pragmatica). Inoltre lo strumento software che implementerà gli schemi di annotazione individuati per i diversi livelli sarà in grado di effettuare, a partire da un livello, interrogazioni circa la presenza di correlazioni tra fenomeni annotati a livelli diversi. Tuttavia, le esigenze di articolazione dell annotazione su livelli molteplici si possono riscontrare anche all interno di ciascuno dei livelli di descrizione sopra individuati. Nel caso di SI-TAL questo si verifica nel caso dell annotazione prosodica. Nel capitolo dedicato alle specifiche per l annotazione prosodica viene particolarmente evidenziato come un approccio integrato all annotazione debba in quel caso tener conto dell inter-relazione tra livelli diversi di rappresentazione delle unità di descrizione (che saranno chiamati elementi nelle specifiche). Per esempio, per associare un evento intonativo come l accento sia alla parola (livello ortografico) che alla sillaba o vocale in cui l accento si realizza (livello di trascrizione fonetica), che alla configurazione corrispondente di pitch movement (livello di descrizione fonetica di f0), i due livelli fonetici, destinati alla segmentazione in fonemi e alla descrizione di f0, devono essere direttamente allineati con il segnale vocale. E-7

8 PARTE I SPECIFICHE RELATIVE ALLA RACCOLTA DEI DATI E-8

9 1 Descrizione del dominio Per varie ragioni, molti dei corpora di dialoghi raccolti nelle varie lingue riguardano il dominio turistico (ATIS, Verbmobil, C-Star). Adeguarci a questa scelta ci permette di avere un termine di confronto nelle scelte compiute e anche di creare sinergie cosicché i dati prodotti possano essere confrontati ed eventualmente integrati con altri. E` d'altra parte evidente che dialoghi che si realizzano tra un utente e una macchina sono sostanzialmente diversi da quelli che hanno luogo tra due persone. Infatti nel primo caso il ruolo della macchina non può essere creativo come quello ricoperto da una persona. Nella scelta del dominio di raccolta dei dialoghi si è fatto tesoro di questa osservazione. Se quindi il dominio considerato è sempre quello turistico, nel caso dei dialoghi persona/macchina lo si è ristretto alla sola richiesta di informazioni sugli orari dei voli. I dialoghi persona/persona corrispondono invece a negoziazioni più complesse in cui si discute di un viaggio nella sua interezza, includendo non solo i trasporti, ovvero treni e aerei, ma anche l'albergo e informazioni turistiche. 1.1 Dialoghi macchina/persona Il dominio delle conversazioni persona/macchina riguarda la richiesta di orari di collegamenti aerei. Il dialogo tra il cliente ed il sistema di dialogo avviene esclusivamente a voce utilizzando il telefono, tuttavia l'utente può consultare successivamente i dati reperiti dal sistema collegandosi ad una pagina Web il cui indirizzo viene comunicato durante il dialogo. Il cliente deve organizzare un viaggio aereo sia per motivi di lavoro che per esigenze turistiche. Componendo il numero di telefono del sistema automatico, il cliente viene accolto con un messaggio di benvenuto ed invitato a comunicare la partenza e la destinazione del volo di andata. Gli altri requisiti che identificano la richiesta sono la data e l'orario in cui il cliente desidera effettuare il viaggio e l'eventuale preferenza per una linea aerea. Dopo aver individuato uno o più collegamenti aerei che soddisfano i requisiti del cliente, il sistema automatico propone al cliente di effettuare la ricerca di informazioni relative al viaggio di ritorno (senza tuttavia vincolare il cliente a percorrere la medesima tratta dell'andata). 1.2 Dialoghi persona/persona Come si diceva sopra, il dominio della conversazione è l'organizzazione di un viaggio, comprensivo sia dei trasporti che di prenotazioni alberghiere e di informazioni turistiche. Durante il dialogo, la comunicazione tra i due parlanti deve essere basata esclusivamente sul linguaggio parlato. Di conseguenza le due persone non devono essere in contatto visivo, né in generale in grado di scambiarsi informazioni mediante canali diversi dalla voce. Uno dei due parlanti deve organizzare un viaggio secondo alcune sue esigenze. Ne parla con un agente di viaggi in modo da trovare una soluzione soddisfacente. L'agente illustra al potenziale cliente delle possibili alternative, cercando di trovarne una che risponda alle sue esigenze. La negoziazione può concludersi con un successo, nel caso in cui il cliente decida di fare la prenotazione; con un fallimento, se il cliente non trova nessuna combinazione che lo soddisfi; o con E-9

10 una sospensione, per cui il cliente lascia in sospeso la conversazione, di solito promettendo di riprenderla in un tempo successivo. Dato questo scenario generale, si possono individuare poi dei sotto-domini, sempre nell'ambito turistico, in cui avviene la negoziazione. Il primo è l'organizzazione dei mezzi di trasporto: treno o aereo. Il cliente può scegliere a priori uno dei due mezzi o confrontare le due alternative per scegliere la migliore. I due interlocutori parleranno quindi degli orari, dei prezzi, del tipo di posto e di mezzo richiesto -- fumatori o non fumatori, classe, tipo di treno, scali intermedi e così via. Un secondo possibile dominio riguarda la scelta e la prenotazione di una camera d'albergo. Anche in questo caso il cliente esprime particolari esigenze e può scegliere tra un certo numero di possibilità. Può porre richieste sul tipo di camera, di albergo, su eventuali servizi offerti, quali parcheggio privato, sauna, piscina, sale conferenze, e così via. Una volta che il turista ha organizzato gli aspetti logistici, passa ad interessarsi delle cose da visitare e delle attività da svolgere nella località in cui si trova. Può quindi chiedere informazioni riguardanti: monumenti, chiese e musei, in particolare orari di apertura e prezzi dei biglietti di ingresso; spettacoli in programma sul posto, con anche la possibilità di prenotare i biglietti; e così via. Un'ulteriore possibilità consiste nel considerare tutti questi aspetti insieme, e quindi trattare interi pacchetti turistici. Il pacchetto comprende la prenotazione per un certo periodo dell'albergo, a pensione completa o a mezza pensione. In molti casi esso comprende anche attività che possono essere sportive (sci, arrampicata, tennis) o culturali (visite a località di interesse, musei, castelli). E-10

11 2 Modalità di acquisizione dei dialoghi Lo sviluppo di applicazioni di elaborazione del parlato basate su corpora parte da un'ipotesi di base: che i dati raccolti nei corpora siano un esempio completo e accurato dei dialoghi su cui il sistema, una volta sviluppato, dovrà lavorare. Ma per poter ottenere tali dati, occorrerebbe poter disporre del sistema, in modo da poter raccogliere, trascrivere ed annotare le interazioni tra l'utente e il sistema nel caso di dialoghi uomo/macchina, o tra due utenti con l'interazione del sistema nel caso di dialoghi uomo/uomo. Si ottiene quindi un paradosso, per cui occorrono i dati per sviluppare il sistema e, contemporaneamente, occorre il sistema per poter raccogliere i dati. Il problema viene risolto mediante un approccio per approssimazioni successive. In una prima fase, si usano dei dati poco accurati per poter costruire una prima versione del sistema. In seguito, si usano versioni via via più sofisticate del sistema per raccogliere dati sempre più accurati, che verranno a loro volta utilizzati per costruire nuove versioni del sistema. I dati utilizzati per la prima fase vengono raccolti in modi diversi, a seconda sia del tipo di applicazione considerata, che di diverse scelte progettuali. Per quel che riguarda le applicazioni uomo/macchina, spesso si usa quella che viene chiamata la tecnica del Mago di Oz: il sistema da sviluppare viene simulato da un agente umano, aiutato da opportuni strumenti software. Ad esempio, in un'applicazione di richiesta di accesso ad una base di dati, la richiesta dell'utente può venir raccolta e trascritta da un agente (il mago di Oz, appunto), nascosto all'utente, che la converte in un'interrogazione da inoltrare alla base di dati. La risposta della base di dati può invece essere presentata direttamente all'utente, che in questo modo pensa di essere veramente di fronte ad un sistema automatico e si comporterà come si comporterebbe col sistema reale. Il problema principale, in questo caso, è proprio quello di simulare correttamente le limitazioni di quello che sarà il sistema reale (il corretto tasso di riconoscimento acustico, ad esempio). Non appena, quindi, si rende disponibile un sistema reale, conviene usare quello per raccogliere i dati: in questo modo si ottengono delle interazioni molto più verosimili e si possono affrontare anche tutti quei problemi tipici delle applicazioni reali, quali la gestione degli errori di riconoscimento. Poiché CSELT ha sviluppato un sistema di risposta automatica ad interrogazioni vocali tramite telefono, la soluzione migliore per ottenere dei dati il più possibile utilizzabili è parsa quindi quella di usare tale sistema per la raccolta dei dialoghi uomo/macchina. Questa scelta ha inoltre reso possibile la scelta di utenti con caratteristiche corrispondenti ad un'applicazione reale. Nel caso di applicazioni uomo/uomo, invece, si può, in prima approssimazione, trascurare la mediazione della macchina e considerare l'interazione diretta tra i due utenti. Ovviamente questo corrisponde alla situazione ideale di una mediazione perfetta da parte del sistema. D'altra parte, questo permette di rendere i dati indipendenti dai tipi di applicazione per la quale saranno poi usati, che possono essere molto diversi tra loro, spaziando da sistemi di traduzione da parlato a parlato a sistemi di monitoraggio e riassunto di conversazioni. 2.1 Modalità di acquisizione: dialoghi macchina/persona Le conversazioni macchina/persona avvengono tra una persona che finge di essere un potenziale utente che chiama un sistema automatico di informazioni sugli orari dei voli ed il sistema stesso. Tale conversazioni vengono poi acquisite e registrate nei formati richiesti. E-11

12 Il collegamento tra l utente ed il sistema avviene per mezzo della rete telefonica pubblica. Per rispecchiare il più possibile la situazione reale, i potenziali utenti, opportunamente suddivisi, chiamano da: a) un telefono fisso, che può a sua volta trovarsi in ambiente relativamente silenzioso (casa/ufficio) o in ambiente rumoroso (cabina pubblica); b) un telefono cellulare, sia in un ambiente rumoroso (strada, treno...) che in un ambiente più silenzioso (casa/ufficio); c) un telefono cordless in ambiente domestico. Tutti i potenziali utenti sono esterni al gruppo degli sviluppatori del sistema CSELT e non hanno mai provato estensivamente il sistema. Prima di interagire con il sistema, il soggetto sperimentale riceve una breve descrizione del sistema e del tipo di informazioni con esso ottenibili. Gli viene inoltre consegnata una scheda contenente i dati necessari allo svolgimento del dialogo. La scheda contiene una breve descrizione dello scenario. I dati che il soggetto sperimentale deve utilizzare durante la conversazione sono presentati in modo schematico, in modo tale da non orientare l'uso di un determinato vocabolario o di determinate espressioni linguistiche. Alcuni dati (ad es. la data e l'orario di partenza) vengono lasciati liberi e possono venire scelti dal parlante in modo arbitrario. Ad ogni soggetto sperimentale viene chiesto di effettuare quattro dialoghi, ognuno riguardante uno scenario diverso. Qui di seguito presentiamo un esempio di un potenziale scenario: VIAGGIO DI ANDATA: CITTÀ DI PARTENZA: Milano DESTINAZIONE: Los Angeles DATA E ORARIO: liberi COMPAGNIA AEREA: Lufthansa VIAGGIO DI RITORNO: CITTA' DI PARTENZA: San Francisco DESTINAZIONE: Milano DATA E ORARIO: liberi COMPAGNIA AEREA: Lufthansa Per le registrazioni si impiega il seguente supporto: PC Win-NT Workstation (Pentium II, 300MHz, 250 Mb) dotato di una scheda telefonica Dialogic (D41ESC o D41H). Il segnale, campionato a 8 khz, viene salvato sul disco della workstation in formato binario PCM (mu-law). Ogni turno dell utente viene salvato in un file. Ad ogni file di voce viene associato un file di labelling, che contiene le dimensioni del file di voce e i punti di aggancio e sgancio dell end point. I turni vengono segmentati automaticamente e riconosciuti in una sequenza di parole utilizzando una tecnica di riconoscimento ibrido neurale e Markoviano. E-12

13 2.2 Modalità di acquisizione: dialoghi persona/persona Le conversazioni persona/persona vengono simulate da due persone che fingono di essere un agente di viaggi e un potenziale cliente. Tali conversazioni vengono poi acquisite e registrate nei formati richiesti. Le simulazioni vengono eseguite in una stanza isolata acusticamente. In questa stanza si trovano i due parlatori, mentre un operatore che controlla le registrazioni si trova nella sala regia, da cui vede l'interno della sala acquisizioni. Tramite altoparlanti l'operatore è anche in grado di seguire la conversazione. I due parlatori sono seduti in modo da non vedersi l'uno con l'altro e da sentirsi solo attraverso delle cuffie. Il parlatore che ricopre il ruolo dell'agente viene addestrato in modo da avere le competenze necessarie a rispondere alle domande del cliente, e a fargli delle offerte. Questo ruolo richiede una preparazione più accurata e viene quindi ricoperto da un numero limitato di parlatori diversi. Il cliente, invece, viene istruito sulle modalità con cui si svolgerà la conversazione subito prima dell'acquisizione. Durante l'acquisizione, il cliente ha in mano una scheda con tutti i dati necessari allo svolgimento del dialogo. Tale scheda contiene una breve descrizione dello scenario. Ad esempio: Ti chiami Annamaria Degasperi e telefoni ad un'agenzia di viaggi di Roma perché devi andare in aereo da Roma a Verona con un'amica. Ti servono informazioni su orari e prezzi ed eventualmente deciderai di fare la prenotazione o le prenotazioni. Se riesci a prenotare, passerai in agenzia a ritirare i biglietti e saldare il conto di lì a qualche giorno; se necessario, puoi lasciare il numero di carta di credito come garanzia. I dati che il parlatore deve avere sott'occhio durante la conversazione sono riassunti in una tabella, nel modo più schematico possibile per non influenzare il suo modo di esprimersi, o per lo meno da minimizzare il più possibile un'eventuale influenza. Ad esempio: - INTERLOCUTORE: impiegato dell'agenzia viaggi - IN VIAGGIO DA: Roma - DESTINAZIONE: Verona - MEZZO DI TRASPORTO: aereo - NUMERO POSTI: 2 - ANDATA: domenica, 12 settembre RITORNO: mercoledì 15 settembre CARTA DI CREDITO: TITOLARE: Annamaria Degasperi NUMERO: DATA DI SCADENZA: 31 dicembre 2001 E-13

14 Si noti che i dati sono interscambiabili, in modo che il materiale sia utilizzabile a prescindere dalle caratteristiche contingenti della conversazione. I nomi delle città, le date, i prezzi devono poter essere sostituiti con quelli più aderenti alla conversazione. La parte più importante è costituita dalla struttura del dialogo e dei singoli turni, a prescindere da tali valori. Questi vengono scelti in modo verosimile e noto all'utente essenzialmente per facilitare le simulazioni. Per le registrazioni si impiega la seguente catena audio: 1) 3 microfoni AKG D3700/D; 2) Mixer; 3) Workstation HP735 dotata di scheda audio a 16 bit e di relativi drivers. Il segnale, campionato a 16 khz, viene prima trasferito sul disco della workstation in formato binario e successivamente convertito in formato "sphere". In seguito esso viene suddiviso in turni, generando così un file per ogni turno. I turni vengono a loro volta segmentati automaticamente sia in parole che in fonemi, utilizzando una tecnica di allineamento basata su modelli di Markov nascosti. E-14

15 3 Criteri di trascrizione La trascrizione è intesa come trascrizione ortografica, lessicale, alla quale vengono aggiunti alcuni dettagli che rappresentano fenomeni extralinguistici udibili presenti nella forma d onda corrispondente. Queste indicazioni aggiuntive facilitano l interpretazione della trascrizione dell enunciato. Tutto quanto detto dai parlanti viene trascritto in minuscolo, compresi l'inizio di frasi e turni, i nomi propri, di città ecc.: devo andare da venezia a firenze Non viene usato nessun tipo di punteggiatura. Numeri: Vengono scritti per esteso. Ad es.: quattro ottobre alle quindici e trenta due cento cinquanta sei Spelling/parole sillabate: Nella trascrizione di parole sillabate si mette il segno _ tra le varie sillabe: mon_te_ca_ti_ni Parole pronunciate male ma intelleggibili: - parola corretta* firenze* (ad esempio nel caso della parola Firenze pronunciata male da un parlante staniero) Si noti che attualmente questa e` la pratica corrente in CSELT, ma le raccomandazioni del progetto SpeechDat suggeriscono di trascrivere facendo precedere la parola in oggetto da un asterisco, in questo modo: *parola corretta. Parole inintelleggibili o insulti: ** Parole tronche (sia troncate dal parlante che dal sistema): Se possibile, si segnala la parola completa, aggiungendo il segno ~ all inizio o alla fine della parola a seconda del punto in cui si verifica il troncamento. Ad esempio: ~domani : troncamento iniziale domani~ : troncamento finale ~domani : troncamento iniziale e finale E-15

16 Se è difficile risalire alla parola completa, si mette il segno ~ prima o dopo la parte riconosciuta. Ad esempio: ~ale : troncamento iniziale ale~ : troncamento finale Ripetizioni di parole: Quando un parlante ripete una parola appena detta, o riprende una frase dopo essersi accorto di aver pronunciato una parola corretta ma diversa da quella prevista, si trascrive tutto quanto per esteso. Ad esempio: parto alle alle dieci domenica alle nove no alle nove e trenta Sovrapposizione di due parlatori: Quando due turni sono (parzialmente) sovrapposti, la trascrizione non tiene conto della sovrapposizione, ma spezza i turni in modo da rendere il fenomeno al meglio possibile: spka: allora va bene il primo treno quello spkb: si` direi che spka: delle sei spkb: va bene Fenomeni extralinguistici: Sono stati individuati quattro tipi di fenomeni extralinguistici, due originati dai parlanti, e due originati da fonti esterne. I fenomeni che rientrano in queste quattro categorie vengono trascritti con quattro simboli compresi tra parentesi quadre [ ], separati dalle parole circostanti con uno spazio. Quando il fenomeno extralinguistico in questione riguarda più parole, si trascrive il [simbolo] prima della prima parola interessata; quando si verificano contemporaneamente più fenomeni extralinguistici diversi, si riportano i vari [simboli] in sequenza. [fil] [spk] [sta] [int] Tutti i tipi di esitazione vocalizzata ( filled pauses come eh, hmm, ecc.) Rumori prodotti dal parlante: tosse, soffio, respiro, schiocco, risata, schiarimento di voce, ecc. Rumori più o meno continui come rumori stradali, rumori di automobili, di luoghi pubblici, brusio di feste, ecc. Rumori intermittenti nel senso di non continui, cioè che si sentono una sola volta (colpi), o hanno pause tra ogni suono (telefono che squilla), o cambiano sempre (musica). Sono compresi in questa categoria: voci in sottofondo, bambini che piangono, abbiare di cani, telefono che squilla, musica, campanelli, porta che sbatte, ecc. In Appendice è riportata la DTD per la rappresentazione in XML delle specifiche qui descritte. E-16

17 PARTE II SPECIFICHE RELATIVE ALL ANNOTAZIONE SEZIONE I: STATO DELL ARTE DELL ANNOTAZIONE DI DIALOGHI E-17

18 1 Livello prosodico E-18

19 1.1 Introduzione Lo scopo di questo stato dell arte è quello di fornire informazioni di base per le specifiche di annotazione del livello prosodico che saranno adottate all interno del progetto SI-TAL. In primo luogo verranno effettuate una descrizione delle problematiche connesse all annotazione prosodica e una presentazione dei fenomeni che è necessario analizzare in una descrizione linguistica della prosodia. In seguito si procederà alla presentazione e alla descrizione dettagliata dei due schemi di annotazione della prosodia da noi considerati più rilevanti ai fini del progetto SI- TAL. 1.2 I fenomeni prosodici Il termine prosodia viene impiegato per fare riferimento ad un ampia gamma di fatti, concetti e fenomeni, identificati partendo da teorie diverse ed analizzando ambiti differenti. Uno dei primi problemi che è necessario affrontare quando ci si accinge a studiare i fenomeni prosodici (e, di conseguenza, il modo in cui essi vengono rappresentati) è quindi la definizione del concetto stesso di prosodia e dell ampiezza del suo raggio d azione. La descrizione della prosodia di ogni lingua può essere affrontata avendo come punto di partenza due posizioni opposte e complementari: 1) Da un punto di vista linguistico, la descrizione della prosodia può essere vista come la descrizione di una serie di unità soprasegmentali (sillabe, gruppi accentuali, unità intonative) e di fenomeni soprasegmentali (accento, intonazione, ritmo). 2) Da un punto di vista fonetico, la descrizione della prosodia è invece principalmente affrontata come descrizione dei diversi correlati fonetici (lunghezza, volume, variazioni di F0) dei fenomeni prosodici linguisticamente rilevanti. Alla luce di questa distinzione, i fenomeni prosodici possono essere classificati in due gruppi principali che, pur essendo strettamente correlati, possono venire descritti separatamente: un primo gruppo di eventi prosodici linguistici, e un secondo gruppo di eventi prosodici fonetici Gli eventi prosodici linguistici Nella descrizione linguistica della prosodia (in particolar modo da un punto di vista fonologico) vengono generalmente analizzati due tipi di item prosodici: un insieme di unità prosodiche (unità fonologiche di ampiezza maggiore a quella del segmento), e un insieme di fenomeni prosodici sovraimposti a dette unità Le unità prosodiche Negli studi sulla prosodia sono stati proposti parecchi tipi di unità prosodiche, che si differenziano principalmente per la loro portata : Paragrafi Frasi E-19

20 Gruppi intonativi Gruppi intermedi Gruppi accentuali Piedi Sillabe More Non è scopo di questo rapporto presentare una descrizione dettagliata di ognuna della suddette unità. Nonostante alcune di queste unità siano state proposte dopo aver effettuato ricerche sperimentali (come nel caso dei paragrafi), cioè facendo uso di dati fonetici, la maggior parte di esse vengono principalmente impiegate in analisi fonologiche. Oltre ad avere in comune la caratteristica secondo cui la loro ampiezza è sempre maggiore di quella di un segmento, tutte condividono inoltre il fatto di essere state proposte come il dominio naturale di specifici processi segmentali o soprasegmentali (cfr., ad esempio, Nespor & Vogel 1986) Fenomeni prosodici In questo rapporto, il termine fenomeni prosodici racchiude l intonazione, l accento, il ritmo e la velocità di eloquio. Non si tratta di unità, ma di fenomeni che avvengono generalmente in un dominio/ambito specifico; sono inoltre portatori di un certo tipo di significato linguistico (o paralinguistico). 1) Intonazione Secondo Roach (1983:112), no definition [of prosody] is completely satisfactory, but any attempt at a definition must recognize that the pitch of the voice plays the most important part. Non è ancora stata data alcuna definizione precisa ed universale dell intonazione, ma esiste comunque un accordo generale su alcuni aspetti: in primo luogo, l intonazione è chiaramente relazionata all F0, nonostante determini cambiamenti anche in altri parametri fonetici (ad esempio nella lunghezza delle sillabe che precedono le pause); si è inoltre universalmente d accordo nel mettere in relazione l intonazione a fenomeni che si verificano a livello della frase, riservando il concetto di tono per quei fenomeni di F0 che sono rilevanti a livello di parola (Lehiste 1970). Da un punto di vista fonologico, i fenomeni di intonazione sono generalmente descritti prendendo in considerazione i seguenti parametri (cfr. Pierrehumbert 1980): a) accenti (pitch accents) b) toni di confine (boundary tones) c) accenti di sintagma (phrase accents) d) downstep e) upstep E-20