Coconstructions in spoken data: UD annotation guidelines and first results
यह शोध पत्र यूनिवर्सल डिपेंडेंसीज़ (Universal Dependencies) एनोटेशन दिशानिर्देश और दो विशिष्ट प्रतिनिधित्व मॉडल प्रस्तावित करता है जो बोले गए भाषा में वक्ता के फेरबदल (speaker turns) के बीच फैले हुए सिंटैक्टिक डिपेंडेंसीज़ को संभालने के लिए हैं, जो विशेष रूप से सहयोगात्मक को-कंस्ट्रक्शन (collaborative coconstructions), बैकचैनल (backchannels), पुनर्गठन (reformulations) और अधूरे वाक्यांशों (unfinished phrases) को संबोधित करते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक जीवंत डिनर पार्टी देख रहे हैं जहाँ तीन दोस्त मिलकर एक ही, जटिल कहानी सुनाने की कोशिश कर रहे हैं।
एक लिखित पुस्तक में, एक वाक्य एक व्यवस्थित, आत्मनिर्भर पैराग्राफ की तरह होता है। एक व्यक्ति इसे लिखता है, इसमें एक शुरुआत, मध्य और अंत होता है, और फिर यह समाप्त हो जाता है। लेकिन वास्तविक जीवन में, बोली जाने वाली भाषा एक जैज़ इम्प्रोवाइजेशन सेशन (jazz improvisation session) की तरह है।
कभी-कभी, मित्र A एक वाक्य शुरू करता है ("मौसम..."), बीच में मित्र B उसे टोक देता है ("...खराब है!"), और फिर मित्र A उसे पूरा करता है ("...खराब है, है ना?")। या, मित्र A पूछता है, "हम कहाँ जा रहे हैं?" और मित्र B उत्तर देता है, "समुद्र तट पर," इस प्रकार विचार को पूरा करता है।
लंबे समय तक, कंप्यूटर प्रोग्राम जो भाषा का विश्लेषण करते हैं (जिन्हें पार्सर कहा जाता है), उन्हें लिखित पुस्तकों पर प्रशिक्षित किया गया था। वे इस "जैज़" के लिए संघर्ष करते थे क्योंकि वे हर वाक्य को केवल एक व्यक्ति का होने के लिए मजबूर करने की कोशिश करते थे। वे भ्रमित हो जाते थे जब दो लोग मिलकर एक वाक्य बनाते थे।
यह शोध पत्र कंप्यूटर को यह सिखाने के लिए नियमों (दिशानिर्देशों) का एक नया सेट प्रस्तावित करता है कि इस "सामूहिक कहानी कहने" को कैसे समझा जाए। यहाँ सरल उपमाओं का उपयोग करके इसका विवरण दिया गया है:
1. समस्या: "सोलो आर्टिस्ट" बनाम "बैंड"
वर्तमान भाषा उपकरण यह मान लेते हैं कि प्रत्येक वाक्य एक व्यक्ति का एकल प्रदर्शन है।
- पुराना तरीका: यदि मित्र A कहता है "बिल्ली" और मित्र B कहता है "सो रही है," तो कंप्यूटर दो टूटे हुए, अधूरे वाक्यों को देखता है। वह यह नहीं समझ पाता कि वे वास्तव में एक पूर्ण विचार हैं।
- नया तरीका: लेखक कहते हैं, "आइए यह मानना बंद करें कि हर कोई एक सोलो आर्टिस्ट है। आइए स्वीकार करें कि बातचीत में, हम एक बैंड हैं।" कभी-कभी, "बेस लाइन" (मुख्य संरचना) एक व्यक्ति द्वारा बजाई जाती है, और "ड्रम्स" (अंत) दूसरे व्यक्ति द्वारा बजाए जाते हैं।
2. "ग्रुप जैम" के तीन प्रकार (सह-निर्माण/Coconstructions)
यह शोध पत्र तीन मुख्य तरीकों की पहचान करता है जिनसे लोग मिलकर वाक्य बनाते हैं:
"खाली स्थान भरना" (पूर्णता/Completion):
- परिदृश्य: मित्र A कहता है, "मुझे एक..." और रुक जाता है। मित्र B तुरंत बोल पड़ता है, "...हथौड़े की।"
- समाधान: कंप्यूटर को पता होना चाहिए कि "हथौड़ा" शब्द "ज़रूरत है" से संबंधित है, भले ही इसे मित्र B ने कहा हो। यह एक पहेली की तरह है जहाँ एक व्यक्ति फ्रेम पकड़ता है और दूसरा गायब हिस्सा।
"इको चैंबर" (दोहराव/मरम्मत/Repetition/Repair):
- परिदृश्य: मित्र A हकलाता है, "मैंने एक... एक... एक बड़ा..." और मित्र B मदद करता है, "...हाथी देखा!"
- समाधान: कंप्यूटर देखता है कि मित्र B उस विचार को पूरा करने में मदद कर रहा है जिसे मित्र A ने शुरू किया था। यह एक बैकअप सिंगर की तरह है जो मुख्य गायक को ऊँचा सुर लगाने में मदद करता है जब वह संघर्ष कर रहा हो।
"सिर हिलाना और हाँ कहना" (बैकचैनल्स/Backchannels):
- परिदृश्य: मित्र A एक लंबी कहानी सुना रहा है। मित्र A के बोलते समय मित्र B "हूँ", "सही", या "वाह" जैसे शब्द कहता रहता है।
- समाधान: ये वाक्य की संरचना का हिस्सा नहीं हैं, लेकिन ये प्रवाह का हिस्सा हैं। शोध पत्र सुझाव देता है कि इन्हें मार्क किया जाए ताकि कंप्यूटर जान सके, "हे, मित्र B सुन रहा है और मित्र A को आगे बढ़ने के लिए प्रोत्साहित कर रहा है।" यह एक कंडक्टर की तरह है जो संगीतकार को लय बनाए रखने के लिए सिर हिलाकर संकेत देता है।
3. समाधान: एक ही कॉन्सर्ट के दो दृश्य
लेखक इस डेटा को लेबल करने का एक चतुर तरीका प्रस्तावित करते हैं ताकि कंप्यूटर भ्रमित न हों। वे बातचीत को दो अलग-अलग तरीकों से देखने का सुझाव देते हैं, जैसे किसी इमारत को बाहर से देखना बनाम उसके ब्लूप्रिंट को देखना।
- दृश्य 1: "वक्ता" का दृश्य (बाहरी दृष्टिकोण):
यह वह तरीका है जिससे हम स्वाभाविक रूप से सुनते हैं। हम देखते हैं कि मित्र A बोला, फिर मित्र B बोला। यह दृश्य बातचीत को इस आधार पर व्यवस्थित रखता है कि किसने क्या कहा। - दृश्य 2: "व्याकरण" का दृश्य (ब्लूप्रिंट):
यह दृश्य यह भूल जाता है कि किसने क्या कहा और केवल यह देखता है कि शब्द एक साथ कैसे फिट होते हैं। इस दृश्य में, "मुझे एक" और "हथौड़ा" एक ही वाक्य के रूप में जुड़े हुए हैं, चाहे वह किसी ने भी कहा हो।
शोध पत्र एक "अनुवाद मार्गदर्शिका" (एनोटेशन गाइडलाइन्स) प्रदान करता है जो कंप्यूटर को इन दो दृश्यों के बीच स्विच करने की अनुमति देता है। यह विशेष टैग (जैसे छोटे स्टिकी नोट्स) का उपयोग करता है ताकि यह कहा जा सके: "यहाँ यह शब्द उस वाक्य से संबंधित है, भले ही इसे किसी अन्य व्यक्ति ने कहा हो।"
4. यह क्यों महत्वपूर्ण है
यदि हम इसे ठीक नहीं करते हैं, तो कंप्यूटर बोले जाने वाली भाषा को गलत समझ लेंगे। वे सोच सकते हैं कि एक वाक्य टूटा हुआ है जबकि वह वास्तव में पूर्ण है, या वे एक प्रश्न और उत्तर के बीच के संबंध को मिस कर सकते हैं।
इन नए नियमों को अपनाकर, हम:
- बेहतर वॉयस असिस्टेंट बना सकते हैं जो वास्तविक, अव्यवस्थित बातचीत को समझ सकें जहाँ लोग एक-दूसरे को टोकते हैं।
- इतिहास और समाजशास्त्र का बेहतर विश्लेषण कर सकते हैं, क्योंकि हम अंततः यह अध्ययन कर पाएंगे कि लोग वास्तव में अर्थ बनाने के लिए कैसे सहयोग करते हैं, न कि केवल यह कि वे औपचारिक पत्र कैसे लिखते हैं।
- इसे टेक्स्टिंग पर लागू कर सकते हैं: लेखक नोट करते हैं कि यह ग्रुप चैट पर भी काम करता है जहाँ एक व्यक्ति वाक्य शुरू करता है, दूसरा व्यक्ति उत्तर देता है, और पहला व्यक्ति बाद में उसे पूरा करता है।
निष्कर्ष
इस शोध पत्र को "ग्रुप स्टोरीटेलिंग" खेल के लिए एक नए निर्देश मैनुअल के रूप में देखें। यह कंप्यूटर को सिखाता है कि बोली जाने वाली भाषा में, वाक्य एक एकल प्रदर्शन नहीं है; यह एक टीम वर्क है। कंप्यूटर को पूरे टीम प्रयास को देखने के उपकरण देकर, हम अंततः उन्हें यह समझने में सक्षम बना सकते हैं कि मनुष्य वास्तव में कैसे बात करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।