Penelitian ini menggunakan metode otomatis untuk menandai batas-batas frasa dalam kalimat yang dihasilkan secara stokastik. Eksperimen persepsi menunjukkan 92% batas yang ditandai sesuai dengan persepsi prosodik. Pengenalan otomatis 3 tingkat batas mencapai 81% akurasi.

1. PENANDAAN PROSODIK
BATAS-BATAS FRASA
(DUGAAN & HASIL)
oleh A.Batliner, R.Kompe, A.KieBling, E.Noth, H.Niemann,U.Killian
Dipresentasikan oleh Heidyanne R. Kaeni
S2 Liguistik – FIB UI
Februari 2012

2. Abstrak Penelitian
 Dengan menggunakan template kalimat dan tata
bahasa stokastik yang bebas konteks, diciptakan
sebuah corpus besar (10.000 kalimat) dimana batas-
batas frasa dilabeli dalam kalimat secara otomatis
selama generasi kalimat
 Dengan eksperimen persepsi pada 500 ucapan
diverivikasi bahwa 92% dari batas-batas yang
ditandai otomatis dirasa tertandai secara prosodik.
 Dalam eksperimen otomatis awal untuk 3 level batas
dapat tercapai angka pengenalan hingga 81%.

3. Peta Pembahasan
1. Pendahuluan & Material
2. Penandaan Batas Berdasarkan
Pengetahuan Linguistik
3. Eksperimen Persepsi
4. Pengelompokan Otomatis terhadap
Batas-Batas Frasa
5. Penutup

4. 1a. Pendahuluan
 Penemuan otomatis batas-batas frasa
 membantu memisahkan hipotesa sebuah kata dalam
suatu sistem automatic speech understanding (ASU)
 Pandangan dalam Pendekatan Statistik
 perlu training database yg besar (corpus dengan
label referensi untuk batas-batas frasa yang
ditandai secara prosodik)
 metode: generasi otomatis terhadap label-label
  verifikasi: eksperimen persepsi

5. 1b. Material
 Material : Erlanger Bahn Anfragen (ERBA)
 speech training database besar untuk pengenalan kata
 Menggunakan pembangkit kalimat stokastik berdasarkan
tatabahasa yang bebas kontes & 38 pola dasar kalimat
 corpus teks arbitrer
 10000 kalimat direkam dari 100 penutur tidak terlatih
(masing-masing 100 kalimat)
 Yang digunakan untuk evaluasi persepsi:
50 dari 100 ucapan oleh 10 penutur (5 pria, 5 wanita)
 Dapat diabaikan: pengaruh kalimat dengan keganjilan semantik
pada pengenalan kata

6. 2. Penandaan Batas
Berdasarkan Ilmu Linguistik
 Empat (4) tipe of batas: B3, B2, B1, B0
 Batas B3
 antara klausa elipitik & klausa
 Guten Morgen B3 Ich mochte gerne…
 (Good morning B3 I would like to…)
 antara klausa induk & anak klausa
 …einen Zug B3 der sehr fruh fahrt
 (…a train B3 that every early leaves)
 pada partikel-partikel penghubung antarklausa
 Ich mochte um acht Uhr nach Munchen fahren B3 und moglischst fruh
ankommen
 (I would like at 8 o’clock to Munich to go B3 and as early as possible
arrive)

7.  Batas B2
 antar konstituen
 in der Nacht B2 mit dem IC B2 nach Ulm
 (during the night B2 with the IC B2 to Ulm)
 pada partikel-partikel penghubung antar konstituen
 zwischem Ulm B2 und Stuttgart
 between Ulm B2 and Stuttgart
 Batas B1
 secara sintaktis termasuuk ke B2 namun dekat ke B3
atau awal/akhir ucapan
 Ich mochte B1 am nachsten Dienstag B2 zwischen drei B2 und sechs
Uhr B2 von Hamburg B2 nach Ulm B1 fahren
 (I would like B1 next Tuesday B2 between three B2 and six o’clock B2
from Hamburg B2 to Ulm B1 to go)
 Batas B0  yag tidak termasuk ke B1, B2, B3

8. 3. Eksperimen Persepsi
 Untuk verifikasi dijalankan eksperimen dengan 10
pendengar ‘naif’ yang :
 diberikan ucapan-ucapan tanpa tanda-tanda baca
 diminta untuk menandai jarak antara 2 kata jika terasa ada
‘potongan’
 diinstruksikan untuk tidak bergantung pada pengetahuan
mereka tentang struktur kalimat
 Data persepsi dibandingkan dengan bagian-bagian
berlabel dari batas-batas frasa
 Skor tiap batas frasa yg memungkinkan: 0 (tanpa tanda) –
10 (seluruh subjek dalam tes merasakan suatu batas frasa
sebagai tanda prosodik)

9.  Hasil:
 Distribusi
B0,B1,B3 sesuai dugaan dan
berkerumun di batas kiri dan batas kanan

10. 4. Pengelompokan Otomatis
atas Batas-Batas Frasa
 Kontur F0 diperhitungkan menggunakan algoritma
 Untuk tiap batas kata, sekumpulan fitur-fitur
prosodik diperhitungkan:
 Panjang jeda
 Durasi dari pangkal silabel sebelum batas, rata-rata
dan standar deviasi durasi
 Energi dan posisi frame relatif ke batas, energi rata-
rata dari 2 silabel ke kiri dan ke kanan batas
 Koefisien regresi linier dari kontur F0
 Onset, minimum, maximum, dan offset F0 serta posisi
mereka pada sumbu axis waktu relatif ke batas

11.  Penggolong polinomial kuadratik dilatih untuk
membedakan 3 kelompok B0+B1, B2, B3.
 Training database terdiri atas 6900 ucapan ERBA dari
69 penutur
 Kumpulan tes terdiri atas 1000 ucapan ERBA dari 10
penutur yang digunakan untuk eksperimen persepsi
 Tingkat pengenalan:
 81% (rata-rata 51%)  kemungkinan apriori
 71% (rata-rata 69%)  distribusi sama

12. 5. Penutup
 Akan dibangun model intonasi yang memadukan
batas-batas frase dan aksen-aksen frase
 Akan dikembangkan metode yang memungkinkan
untuk mengenerasi secara otomatis label-label
referensi frasa berdasarkan corpus teks seperti ERBA
(dimana batas-batas frase prosodik telah ditandai)
 Harapan: mendapatkan perbaikan lebih lanjut dengan
melihat aksen-aksen frasa dan menambahkan fitur-fitur
suprasegmental baru ke vektor fitur.

13. TERIMAKASIH