口语新闻文本语用特征的交互式评估

### 口语新闻文本语用特征的交互式评估 #### 1. 引言 设计的交互式注释工具旨在辅助记者和其他专业人士，便于评估口语政治和新闻文本中的语用特征。该工具可处理和评估诸如访谈、媒体现场对话以及议会讨论等口语文本。语用特征评估聚焦于口语政治和新闻文本的话语成分，以及隐含信息和内涵特征，适用于单语和多语环境。 数据基础来自专业记者对两方或多方口语新闻讨论的转录，这些转录数据会与欧盟项目中的旧转录数据进行对比。收集的数据涵盖了记者研究生课程项目的转录内容。 在2012 - 2013学年和2013 - 2014学年，两组各18 - 20名专业记者进行了转录和语言分析。每位记者负责评估4次访谈，每次讨论转录15 - 20分钟，其中两次用英语（或其他自然语言，如德语），两次用希腊语。处理的文件包含来自多个新闻广播网络的转录内容，参与访谈或讨论的发言者来自不同国家，使用多种语言。 记者的具体任务包括转录访谈和讨论，记录内容、风格、语言特征、每位参与者的时间分配、话轮转换、打断情况以及手势等副语言特征，并在分析结束时提供访谈和讨论的话语结构大纲。 #### 2. 设计与用户交互 ##### 2.1 概述与设计 设计的注释工具目标如下： 1. 为记者用户提供访谈或讨论中处理的主题的跟踪指示。 2. 查看访谈或讨论的话语结构的图形模式。 3. 评估话语结构。 4. 允许用户比较具有相似主题或相同参与者的对话和访谈的话语结构。 5. 指出文本中尽可能多的带有隐含信息和内涵特征的信息点。 注释工具的界面设计用于： 1. 跟踪访谈或讨论给定片段中讨论的“局部”主题或主题变化。 2. 注释和突出所有可能包含内涵特征信息的点，提醒用户评估包含这些表达的文本部分。 该工具允许跟踪任何主题变化、相同或相似的答案，以及与同一主题相关的关联和概括。为实现处理速度和多语言可重用性的目标，采用了口语对话系统构建中常用的关键词检测策略。 工具可处理来自新闻文本的转录数据，能与大多数商业转录工具配合使用，也可适应从互联网下载的书面文本或报纸文章的扫描文件。 ##### 2.2 用户交互 用户在在线查看新闻文本时激活注释工具，工具扫描在线新闻文本，为用户呈现包含所有跟踪主题的在线新闻文本、文本结构的图形以及带有隐含信息和内涵特征的“标记”信息实例。 用户交互涉及两个全自动过程、一个系统辅助过程和一个完全用户交互过程： | 交互步骤 - 命令 | 激活的过程 | | --- | --- | | “Select Topic” | SELECT - TOPIC | | “Identify Topic” “Identify Relation” | LOCAL - TOPIC (REP) (GEN) (ASOC) (SWITCH) | | “Show Structure” | GEN - GRAPH | | “Show Possible Connotative Features” | CONN - FEATURE | 为帮助用户选择局部主题，系统辅助的SELECT - TOPIC过程会自动信号化并列出候选主题（名词），代词和回指表达不被跟踪。LOCAL - TOPIC过程是完全用户交互过程，分为“Identify Topic”和“Identify Relation”两个阶段。 话语结构生成（GEN - GRAPH过程）和内涵特征信息信号化（CONN - FEATURE过程）是全自动过程。激活“Show Structure”命令生成话语结构的图形表示，帮助用户评估对话流程和话语结构。 mermaid流程图如下： ```mermaid graph LR A[用户激活注释工具] --> B[扫描在线新闻文本] B --> C[呈现跟踪主题、图形结构和标记信息] C --> D1[SELECT - TOPIC过程（系统辅助）] C --> D2[LOCAL - TOPIC过程（用户交互）] C --> D3[GEN - GRAPH过程（全自动）] C --> D4[CONN - FEATURE过程（全自动）] ``` ##### 2.3 CONN - FEATURE过程：信号化隐含信息和内涵特征 CONN - FEATURE过程是一个全自动过程，独立于其他三个过程激活。该过程基于违反格莱斯合作原则，特别是质量和数量准则，信号化所有“内涵标记”的单词和表达。 这些表达集可根据词干或后缀类型分组。基于词干或后缀的识别涉及检测形容词、副词或动词类型等词类，这些词类包含可通过词网和/或选择限制访问的特定语义特征。 具有内涵特征的词类在形态层面被检测，其语义内容与情感和社会文化“标记”元素相关，被标记为具有隐含内涵特征的词组，包括与模式、恶性/良性行为或情感/伦理严重性相关的动词（或动词名词化），以及带有产生小词、动词化、形容词化或专有名词额外名词化后缀的名词。 #### 3. 主题跟踪 ##### 3.1 SELECT - TOPIC过程：辅助主题选择 为协助用户选择主题，SELECT - TOPIC过程自动信号化并列出由名词组成的候选主题，不跟踪代词和回指表达。为实现速度和效率，注释模块在词素或单词级别进行关键词检测，每个问题或回答只能设置一个主题。 所选主题可进行机器翻译，也可作为通用词通过通用网络语言（UNL）访问。对应一般主题的候选主题可能会获得额外信号化，作为表示“概括”关系的候选主题。一般主题的例子包括“能源”、“金融危机”、“生物危害”等。 ##### 3.2 LOCAL - TOPIC过程：主题识别 用户从系统选择的可用名词列表中选择采访者或记者主持人提出的问题或议题的主题，并将其与回答的主题进行比较。 激活“Identify Topic”命令后，在局部层面定义主题，以便检查答案、回应和反应的内容是否与问题或议题相关。主题被视为局部变量，被定义、注册和跟踪。 在某些情况下，话语结构与“一键通话对话”中的话轮转换兼容，有严格的协议管理访谈或讨论；在其他情况下，部分与Sacks等人（1974）和Wilson等人（2005）的模型兼容，每个参与者自行选择话轮。 用户记者的专业知识和世界知识有助于识别访谈或讨论每个片段的主题，并确定主题之间的关系类型，因为在新闻文本领域，这些关系不能严格语义化，自动过程可能会导致错误。 ##### 3.3 关系类型 在LOCAL - TOPIC过程中，激活“Identify Relation”命令后，用户记者指示问题或议题的主题与相应回应或反应的主题之间的关系类型，关系类型如下： 1. **重复（Repetition）**：用“REP”标签表示，涉及相同单词或同义词的重复。 2. **关联（Association）**：用“ASOC”标签表示，可由用户的世界知识定义，或在使用定义的子语言时由词库或词网设置。 3. **概括（Generalization）**：用“GEN”标签表示，在子语言或词网中可轻松定义相关主题。 4. **主题切换（Topic Switch）**：用“SWITCH”标签表示，当访谈或讨论的主题在选定主题之间无明显语义关系时使用。 #### 4. GEN - GRAPH过程：图形表示 交互的最后一步是生成话语结构中选定局部主题的图形表示，有“Generate Graph”和“Generate Tree”两种选项，生成的结构可表示为图或类似话语树的树形形式。