Watskeburt? Niets! Zo praten wij gewoon Helmer Strik et al. Radboud Universiteit Nijmegen, CLST

De dag vd Fonetiek, Utrecht, 22-12-05 Inleiding “Watskeburt” zingt De Jeugd Van Tegenwoordig (2005) "Gijwabbedoel" schreef Jan Kuitenbrouwer in zijn Hedenlands-column in De Volkskrant (12 november 2003) Multi-Woord Expressies: MWEs Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

Overzicht presentatie Resultaten 1e onderzoek D. Binnenpoorte, C. Cucchiarini, L. Boves & H. Strik (2005) Multiword Expressions in Spoken Language: an exploratory study on pronunciation variation. Computer, Speech & Language 19(4), pp. 433-449. Vervolgonderzoek Bram Elffers & Dusan Bavcar Case study: ‘op een gegeven moment’ Selectie van MWEs Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

Average Weighted Disagreement als ‘t ware av. %disagr. 30.56 50.00 4.17 #canonical phonemes 3 2 4 AWD = (30.56*3 + 50.00*2 + 4.17*4)/(3+2+4) = 23.15% Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Result of 3-grams 3-gram AWD in MWE context andere context verschil zoiets van ja 57.27 15.75 41.52 in ieder geval 37.17 12.26 24.91 af en toe 34.76 15.15 19.61 op die manier 31.94 12.99 18.95 ’t is natuurlijk 45.59 31.11 14.48 weet ik niet 29.22 21.52 7.70 dat is natuurlijk 34.62 28.76 5.86 hoe heet dat 30.43 24.95 5.48 ook helemaal niet 27.78 24.40 3.38 als ’t ware 23.15 35.88 -12.73 Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Result of 4-grams 4-gram AWD in MWE context andere context verschil dat vind ‘k ook 48.89 29.00 19.89 op een gegeven moment 47.13 27.91 19.22 dat maakt niet uit 42.42 26.49 15.93 dat is niet zo 40.00 28.47 11.53 of wat dan ook 31.54 22.10 9.44 ‘k weet niet precies 28.57 22.73 5.84 dat weet ik niet 29.03 25.96 3.07 weet ik veel wat 26.45 25.08 1.37 dat weet ik nog 24.55 26.15 -1.60 als ’t goed is 18.57 32.41 -13.84 Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

Conclusies 1e onderzoek Er zijn N-grammen waarvan de uitspraak (sterk) afwijkend is, t.o.v. Canoniek Dezelfde woorden in andere contexten Meer reductie Multi-Woord Expressies Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 MWEs, apart behandelen? MWEs – (veel) meer reductie Spraaktechnologie - ASR, APT, Segm. Apart behandelen Bijv. aparte entries in het lexicon OVIS onderzoek (98&99): MWEs => lagere WER Psycholinguistiek - Spraakproductie, perceptie, acquisitie Apart behandelen? Bijv. aparte entries in het lexicon? Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 MWEs bestuderen MWEs bestuderen Interessant Verbeteren prestaties van machines Maar hoe? Selecteren, bijv. in het CGN Selectie criteria? Definitie ontbreekt Case study: ‘op een gegeven moment’ CGN – component a (spontaan) Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Realisation Sub Del Ins % Disagr. Op @n xe m@nt 1 6 43.8 Op @ xe m@nd 2 7 56.3 Op @ x@f mEnt Op @N Gev@ momEnt 18.8 Ob @ xev@ mEnt 5 37.5 p @ Ge md 10 68.8 Op @ Ge mt 9 Op @ xe mnt 8 50.0 Op @ Ge m@nt Ob @ Ge m@t 62.5 Op @ Ge @nt @b @ Gev mEnt Op @ xev@ m@nt (2x) Op @ xe m@n Ob @N xev@ mEnd 3 4 Ob @ Ge m@n Ob @ Ge m@nt Ob @ Gev m@nt ub @ Gev mEnt Op @ Gev@ mEnt (2x) 31.3 Average: 1.2 6.4 0.0 47.7 Kerncorpus: 22 realisaties; DP oplijning met canonieke transcriptie (7 syllabes, 16 fonemen): Sub(stituties) Del(eties) Ins(erties) %Disagreement Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05 .

De dag vd Fonetiek, Utrecht, 22-12-05 op een gegeven moment Freq. MWE 22 Andere 325 1470 1 24 Lengte (# fonemen) 1.95 1.14 2.82 3.68 1.97 1.82 4.00 5.63 Verschil -0.02 -0.69 -1.18 -1.94 %Verschil -1% -38% -30% -35% Duur 0.09 0.05 0.19 0.17 0.12 0.11 0.29 0.34 -0.03 -0.06 -0.10 -0.16 -24% -52% -49% Articulatie snelheid 20.60 20.78 14.83 21.23 15.82 16.14 13.75 16.72 4.79 4.64 1.09 4.51 +30% +29% +8% +27% Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Selectie criteria Selectie van N-grammen met verschillende criteria Frequentie ALD: Absolute Length Difference #fon. realisatie - #fon. canoniek RLD: Relative Length Difference 100% * ALD / #fon. canoniek ART: ARTiculation rate #fon. / duur Etc. Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Hoogste Freq. Rank Orthography #words FRQ ALD RLD ART 1 ja ja 2 442 -0.03 -0.80 9.19 dat is 367 0.40 7.90 15.24 3 ja maar 271 0.61 12.26 12.03 4 da 's 266 -2.62 -87.23 16.77 5 en dan 244 0.46 9.10 17.18 6 ja dat 226 0.42 8.40 12.51 7 't is 223 0.92 22.98 15.03 8 of zo 212 0.03 0.70 9 als je 209 1.97 39.34 12.78 10 oh ja 207 -1.13 Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Hoogste ALD Rank Orthography #words FRQ ALD RLD ART 1 op een gegeven moment ook 5 3 7.00 38.89 20.42 2 een gegeven moment ook 4 6.67 41.67 20.54 op een gegeven moment 22 6.41 40.06 18.70 een gegeven moment 6.36 45.46 18.27 gegeven moment ook 6.00 42.86 19.82 6 natuurlijk helemaal 40.00 20.93 7 dan op een gegeven moment 5.67 29.83 20.44 8 is in ieder geval 43.59 18.41 9 gegeven moment 28 5.39 44.94 18.64 10 je op een gegeven 5.33 44.44 19.32 Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Hoogste RLD Rank Orthography #words FRQ ALD RLD ART 1 een gegeven 2 27 3.96 49.54 16.19 een gegeven moment 3 22 6.36 45.46 18.27 gegeven moment 28 5.39 44.94 18.64 4 je op een gegeven 5.33 44.44 19.32 5 hè als 9 2.22 9.07 6 als je als 3.50 43.75 10.71 7 is in ieder geval 5.67 43.59 18.41 8 ze natuurlijk 4.33 43.33 20.29 gegeven moment ook 6.00 42.86 19.82 10 een gegeven moment ook 6.67 41.67 20.54 Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Conclusies Verschillende selectiecriteria leiden tot verschillende N-grammen (MWEs). Welke selectie criteria? Combinatie: welke? ‘Moeder – kind’ probleem Evaluatie? Andere taken (o.a. APT, Segm., ASR): Vergelijken met referentie (handmatige annotatie) Hier? Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

‘op een gegeven moment’ CGN – component a (alles) : 477 x op een gegeven moment 37 x op gegeven moment 12 x gegeven moment ? xxx gegeven moment ? op een uh gegeven moment ? op een gegeven mo ? op een gegeven m ? op een gegeven Wat is MWE? Wat is ‘andere context’? Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Discussie Selectie van MWEs is problematisch Niet te algemeen; meer specifiek? Sommige taken (o.a. ASR, APT, Segm.) Optimaliseren van een criterium Vergelijken met referentie (handmatige annotatie) Andere taken? Psycholinguistiek? Spraaktechnologie (applicaties): MWE: wel / niet? Toevoegen aan lexicon En wat? (20 realisaties van o.e.g.m.) Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Meer informatie EINDE Voor meer informatie, zie //lands.let.ru.nl/ //lands.let.ru.nl/staff/strik.php zap.to/helmer = http://lands.let.kun.nl/TSpublic/strik/ Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05

De dag vd Fonetiek, Utrecht, 22-12-05 Meer informatie Voor meer informatie, zie //lands.let.ru.nl/ //lands.let.ru.nl/staff/strik.php zap.to/helmer = http://lands.let.kun.nl/TSpublic/strik/ Helmer Strik De dag vd Fonetiek, Utrecht, 22-12-05