Kiedy porozmawiamy z telefonem? (A nie przez telefon) Systemy informacyjne Wykład 1.

Wielkość: px

Rozpocząć pokaz od strony:

Download "Kiedy porozmawiamy z telefonem? (A nie przez telefon) Systemy informacyjne Wykład 1."

Piotr Andrzejewski
7 lat temu
Przeglądów:

1 Kiedy porozmawiamy z telefonem? (A nie przez telefon) Systemy informacyjne Wykład 1.

2 Plan wykładu Skąd się wziął przedmiot Systemy Inteligentne? Przykłady dialogu z urządzeniem mobilnym Rozpoznawanie mowy Przetwarzanie wiedzy Synteza mowy Plan przedmiotu Przetwarzanie Języka Naturalnego Omówienie wybranych projektów magisterskich

3 CZĘŚĆ 1. Skąd się wziął przedmiot Systemy Inteligentne?

4 Prace magisterskie Tematyka Promotor a opiekun projektu

5 Przedmioty specjalistyczne ZJN (Zastosowania przetwarzania Języka Naturalnego) ISI (Inteligentne Systemy Informacyjne) TAU (Tłumaczenie Automatyczne) Zapraszamy zainteresowanych!

6 CZĘŚĆ 2. Przykłady dialogów z urządzeniem mobilnym prezentację przygotował Roman Grundkiewicz

7 Wyobraźmy sobie sytuację Co to właściwie jest ten pręgierz?

8 Praca ze smartfonem dzisiaj: TAP

9 Jak mogłoby to wyglądać Pręgierz w średniowieczu słup kamienny lub drewniany Co to jest pręgierz?

10 Ewolucja sposobu komunikacji

11 Na drodze Gdzie znajdę zjazd na najbliższą stację benzynową?

12 W domu Na co jest lek Ulfamid?

13 W podróży Co mogę ciekawego zobaczyć w pobliżu?

14 i przed podróżą Czy na Litwie jest euro?

15 SIRI

16 SIRI PO POLSKU

17 CZĘŚĆ 3. Rozpoznawanie mowy

18 Rozpoznawanie mowy - definicja Rozpoznawanie mowy (Automatic Speech Recognition) to komputerowe tłumaczenie mowy człowieka na odpowiadający jej tekst. Rozróżniamy systemy rozpoznawania: Zależne od mówcy Niezależne od mówcy Przykłady aplikacji z interfejsem głosowym: Wybieranie numeru telefonu (call home) Infolinie Dyktowanie tekstów ( i, aplikacje) Przesłuchania sądowe Urządzenia sterowane głosem (samoloty bojowe) Urządzenia mobilne (pisanie smsów, wyszukiwanie informacji)

19 Sieciowe rozpoznawanie mowy Google w przeglądarce Chrome

20 Rozpoznawanie mowy Na urządzeniu mobilnym Na komputerze lokalnie

21 Tworzenie własnej aplikacji ASR na Android

22 Kto szybciej? Na jakiej ulicy jest lotnisko w Łodzi? Ilu dokładnie mieszkańców ma Poznań?

23 CZĘŚĆ 4. Przetwarzanie wiedzy

Baza wiedzy (knowledge database) Jakie warunki musi spełniać baza wiedzy, aby system typu SIRI mógł działać? 1. Szeroki zakres (od medycyny po geografię przez ) 2.

24 Baza wiedzy (knowledge database) Jakie warunki musi spełniać baza wiedzy, aby system typu SIRI mógł działać? 1. Szeroki zakres (od medycyny po geografię przez ) 2. Aktualność (aktualna pogoda) 3. Struktura bazy danych (aby móc wyszukać informację) 4. Wiarygodność (czy można wierzyć we wszystko, co zbierze się z Internetu?) 5. Zwięzłość (odpowiedzi nie mogą być zbyt długie)

25 Źródła bazy wiedzy Z tradycyjnych źródeł wiedzy (encyklopedie, słowniki) Z internetowych źródeł wiedzy (wikipedia, ) W takich źródłach informacje przypisane są do poszczególnych haseł Z Internetu w ogólności Czyli skąd czerpać informacje do systemu wiedzowego? Informacje trzeba dopiero wyciągnąć (wyekstrahować z tekstu)

26 Źródła wiedzy, a ich cechy 1. Szeroki zakres 2. Aktualność 3. Struktura 4. Wiarygodność 5. Zwięzłość

27 Infoboksy Czyli ustrukturyzowana baza wiedzy w Wikipedii Krzysztof Jassem (ur. 11 lutego 1965) polski matematyk, informatyk, doktor habilitowany nauk matematycznych i wykładowca na Uniwersytecie Poznańskim im. Adama Mickiewicza (obecnie pełni tam funkcję profesora nadzwyczajnego), kierownik Pracowni Systemów Informacyjnych na Wydziale Matematyki i Informatyki UAM, brydżysta wiki/krzysztof_jassem

28 DBpedia czyli ustrukturyzowana Wikipedia DBpedia - "DB" jak "database" Projekt mający na celu wyekstrahowanie ustrukturyzowanej informacji z Wikipedii Informacja przechowywana jest w DBpedii w postaci trójek RDF (Resource Description Framework)

29 Baza wiedzy w postaci rdf Przykład

30 Informacje w DPpedii oobian.com Jak je wyciągać(1)?

Informacje w DPpedii SPARQL język zapytań do RDF Uzyskiwanie informacji o relacjach bezpośrednich Uzyskiwanie informacji o relacjach pośrednich

31 Informacje w DPpedii SPARQL język zapytań do RDF Uzyskiwanie informacji o relacjach bezpośrednich Uzyskiwanie informacji o relacjach pośrednich Łączenie informacji z różnych baz danych Punkty dostępowe SPARQLa (endpoints) Ograniczone do danej bazy danych Nieograniczone Jak je wyciągać (2)?

32 Virtuoso Punkt dostępowy do DBpedii

33 CZĘŚĆ 5. Synteza mowy z tekstu

34 Polski syntezator mowy Ivona

35 Projekt magisterski 2013 (mgr Tomasz Konieczny)

36 Podsumowanie Rozmowa z telefonem to bardzo niedaleka przyszłość. Następujące problemy należy rozwiązać: Rozpoznawanie mowy (bliskie rozwiązania) Synteza mowy (praktycznie rozwiązany) Przetwarzanie wiedzy (sporo do zrobienia)

37 CZĘŚĆ 6. Przetwarzanie języka naturalnego wybrane zagadnienia

38 ZJN Wybrane zagadnienia Podstawy programowania w języku Python Narzędzia do przetwarzania języka naturalnego Systemy prowadzenia dialogu (chatboty) Systemy odpowiadania na pytania Systemy tłumaczenia automatycznego

39 CZĘŚĆ 7. Omówienie wybranych projektów magisterskich

40 Projekt magisterski 2013/2014 (mgr Leszek Lorens) Wprowadzanie danych przez osobę pozbawioną sprawności manualnej

41 Projekt magisterski 2013/2014 (Bartosz Piskadło) Cyber Academy system do edukacji poprzez grę

42 Projekt magisterski 2013/2014 (mgr Bartosz Kosowski) System przewidywania częstości słów na Twitterze

43 Projekt magisterski 2013/2014 (mgr Marcin Kania) System przewidywania notowań na Giełdzie Warszawskiej na podstawie notowań i komunikatów spółek

Projekt magisterski 2013/2014 (Sławomir Sosiński) System rozpoznawania emocji na podstawie mimiki twarzy if (Szerokosc ust is szeroka) and (Wysokosc ust is waska) and (Kaciki ust is wysoko) and

44 Projekt magisterski 2013/2014 (Sławomir Sosiński) System rozpoznawania emocji na podstawie mimiki twarzy if (Szerokosc ust is szeroka) and (Wysokosc ust is waska) and (Kaciki ust is wysoko) and (LeweOkoPA is bardzo nisko) and (LeweOkoPB is nisko) and (LeweOkoPC is bardzo nisko) and (PraweOkoPA is bardzo nisko) and (PraweOkoPB is nisko) and (PraweOkoPC is bardzo nisko) then Emocja is radosny

45 Inne projekty 2013/2014 System rozpoznawania wydarzeń kulturalnych (Tomasz Dwojak) Gra RPG sterowana głosem (Paweł Pardela, Piotr, Knopczyński)

46 Wybrane projekty w roku System tłumaczenia automatycznego polskorosyjski (Sergey Bolshov) System tłumaczenia automatycznego polskogruziński (Irakli Tsikarishvili)

Wybrane projekty w roku 2014-15 Rozpoznawanie emocji w mowie polskiej

47 Wybrane projekty w roku Rozpoznawanie emocji w mowie polskiej (Aleksandra Petrus) Synteza emocji w mowie polskiej (Elżbieta Maniakowska)

Wybrane projekty w roku 2014-15 Analiza opinii w recenzjach samochodów

48 Wybrane projekty w roku Analiza opinii w recenzjach samochodów (Grzegorz Bednarski) System dostępu do DBpedii za pomocą języka SPARQL (Grzegorz Krukar)

Podobne dokumenty

dr Jan MALINOWSKI JĘZYKI PROGRAMOWANIA II

STUDIA ZAOCZNE; kier. INFORMATYKA Ist. I rok 2 sem. dr Jan MALINOWSKI JĘZYKI PROGRAMOWANIA II prof. Bogusław BRODA ANALIZA MATEMATYCZNA II GR 1 dr Jan MALINOWSKI JĘZYKI PROGRAMOWANIA II GR 1 sala 574 B