CLEF-2007 Cross-Language Speech Retrieval Track Overview CU:Pavel Pecina, Jan Hajic, Petra Hoffmannova DCU:Gareth Jones, Ying Zhang UMD:Doug Oard, Dagobert.

Slides:



Advertisements
Podobné prezentace
Anglicky jsem se rozhodl učit před půl rokem. I took up English six months ago (decided to learn).
Advertisements

Linking Words and phrases
Proč se už nemůžeme vídat? Why can't we be seeing each other any more?
Název a adresa školy: Střední odborné učiliště stavební, Opava, příspěvková organizace, Boženy Němcové 22/2309, Opava Název operačního programu:OP.
Cumulative tests Tenses Phrases. Put the verbs into the correct form I need a rest. I _______ (run) all morning! John isn´t here. He _______ (go) to the.
PRESENT PERFECT & PAST SIMPLE Autor: Mgr. Ivana Dvořáková Datum vytvoření: listopad 2012 DUM = Digitální Učební Materiál Gymnázium Dr. Karla Polesného,
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Reported speech – nepřímá řeč Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Romana Petrová. Dostupné z Metodického portálu
Číslo projektuCZ.1.07/1.5.00/ Číslo materiáluVY_32_INOVACE_178 Název školyGymnázium, Tachov, Pionýrská 1370 Autor Mgr. Eleonora Klasová Předmět.
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Nemuseli tam jít they didn't have to go there. myslím, že bychom jim to neměli říkat I don't think we should tell them.
Číslo projektu CZ.1.07/1.5.00/ Číslo materiálu VY_32_INOVACE_ 007 Název školy Gymnázium, Tachov, Pionýrská 1370 Autor Mgr.Stanislava Antropiusová.
y.cz Název školyStřední odborná škola a Gymnázium Staré Město Číslo projektuCZ.1.07/1.5.00/ AutorMgr. Roman Chovanec Název šablonyIII/2.
Registrační číslo projektu:CZ.1.07/1.5.00/ Šablona/číslo materiálu:III/2 VY_32_INOVACE_AJK441 Jméno autora:Mgr.Soňa Nekvindová Třída/ročník4.ročník.
Kolik je hodin? What time is it?. Jak se tam dostanu? How do I get there?
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Název a adresa školy: Střední odborné učiliště stavební, Opava, příspěvková organizace, Boženy Němcové 22/2309, Opava Název operačního programu:OP.
Obchodní akademie a Střední odborná škola, gen. F. Fajtla, Louny, p.o. Osvoboditelů 380, Louny Číslo projektu CZ.1.07/1.5.00/ Číslo sady 03 Číslo.
Pracovní list - pro tisk Vloženo z stress.pptx Začátek.
The world of work Název školyGymnázium Zlín - Lesní čtvrť Číslo projektuCZ.1.07/1.5.00/ Název projektuRozvoj žákovských kompetencí.
Výukový materiál zpracovaný v rámci projektu Označení:Sada: 3 Ověření ve výuce:Třída: Datum: Registrační číslo projektu:CZ.1.07/1.5.00/ VY_32_INOVACE_ANJ_VL_3_11.
Registrační číslo projektu:CZ.1.07/1.5.00/ Šablona/číslo materiálu:III/2 VY_32_INOVACE_ANJ460 Jméno autora:Mgr. Soňa Nekvindová Třída/ročník2. ročník.
Tázací dovětky – 8. ročník ZŠ
y.cz Název školyStřední odborná škola a Gymnázium Staré Město Číslo projektuCZ.1.07/1.5.00/ AutorMgr. Roman Chovanec Název šablonyIII/2.
ŠKOLA: Gymnázium, Tanvald, Školní 305, příspěvková organizace ČÍSLO PROJEKTU: CZ.1.07/1.5.00/ NÁZEV PROJEKTU: Šablony – Gymnázium Tanvald ČÍSLO.
Když jsem byl malý, říkali mi naši, choď na Lukášku a jez chytrou kaši, můžeš tak po celý den bavit se jen. Koukat na tabuli, sedět na židli, o přestávce.
Tutorial: Obchodní akademie Topic: Logical Functions Prepared by: Mgr. Zdeněk Hrdina Projekt Anglicky v odborných předmětech, CZ.1.07/1.3.09/ je.
y.cz Název školyStřední odborná škola a Gymnázium Staré Město Číslo projektuCZ.1.07/1.5.00/ AutorMgr. Roman Chovanec Název šablonyIII/2.
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Název a adresa školy: Střední odborné učiliště stavební, Opava, příspěvková organizace, Boženy Němcové 22/2309, Opava Název operačního programu:OP.
Název a adresa školy: Střední odborné učiliště stavební, Opava, příspěvková organizace, Boženy Němcové 22/2309, Opava Název operačního programu:OP.
Podpora rozvoje cizích jazyků pro Evropu 21. stol. INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Tento projekt je spolufinancován Evropským sociálním fondem a státním.
Střední průmyslová škola strojnická Olomouc, tř.17. listopadu 49 Výukový materiál zpracovaný v rámci projektu „Učíme moderně“ Registrační číslo projektu:
Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. INTRODUCTION Použité obrázky a foto:
Číslo projektuCZ.1.07/1.5.00/ Číslo materiálu VY_32_INOVACE_AJK-2.PT-13-Vzdělávání Název školyStřední odborná škola a Střední odborné učiliště,
Podpora rozvoje cizích jazyků pro Evropu 21. stol. INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Tento projekt je spolufinancován Evropským sociálním fondem a státním.
y.cz Název školyStřední odborná škola a Gymnázium Staré Město Číslo projektuCZ.1.07/1.5.00/ AutorMgr. Roman Chovanec Název šablonyIII/2.
(a) little, (a) few málo, trochu vypracovala: Mgr. Monika Štrejbarová.
Elektronické učební materiály - II. stupeň Anglický jazyk Autor: Petra Skotnicová MASS MEDIA RADIO MAGAZINE TELEVISION INTERNET NEWSPAPER COMICS.
Název školy:Základní škola a Mateřská škola Sepekov Autor:Mgr. Hana Červená Název:VY_32_INOVACE_78 _angličtina-gramatika Vzdělávací oblast:Jazyk a jazyková.
Základní škola Velké Karlovice, okres Vsetín ŠKOLA: Základní škola Velké Karlovice, okres Vsetín Mgr. Pavla Šrubařová AUTOR: Mgr. Pavla Šrubařová VY_22_INOVACE_AKON_20_First_aid.
Základní škola Třemošnice, okres Chrudim, Pardubický kraj Třemošnice, Internátní 217; IČ: , tel: , emaiI:
Christmas in the UK VY_32_INOVACE_02-57 Ročník: 8. Vzdělávací oblast: Jazyk a jazyková komunikace Vzdělávací obor: Anglický jazyk Tematický okruh: Cvičení.
Gymnázium, Brno, Elgartova 3 GE - Vyšší kvalita výuky CZ.1.07/1.5.00/ III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Téma: English Grammar.
Gymnázium, Brno, Elgartova 3 GE - Vyšší kvalita výuky CZ.1.07/1.5.00/ III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Téma: English Grammar.
Název školy: ZÁKLADNÍ ŠKOLA SADSKÁ Autor: Mgr. Věra Tománková Název DUM: VY_32_Inovace_ Word order Název sady: Project 3 Číslo projektu: CZ.1.07/1.4.00/
Každodenní život (Everyday Life) B1 Gymnázium a Jazyková škola s právem státní jazykové zkoušky Zlín Tematická oblast Angličtina: Maturitní ústní zkouška.
Název vzdělávacího materiálu Gymnázium a Jazyková škola s právem státní jazykové zkoušky Zlín Tematická oblastAngličtina, Maturitní ústní zkouška.
Základní škola Třemošnice, okres Chrudim, Pardubický kraj Třemošnice, Internátní 217; IČ: , tel: , emaiI:
Obchodní akademie, Střední odborná škola a Jazyková škola s právem státní jazykové zkoušky, Hradec Králové Autor:Shane Paul Hertnon Název materiálu: VY_32_INOVACE_4_ANGLICKY_JAZYK_KOMUNIKACNI_SITUACE_20.
Word order Střední škola pedagogická, hotelnictví a služeb, Litoměřice, příspěvková organizace Litoměřice, Komenského 3 Autor: Pavel Vágai.
ŠKOLA: Základní škola Velké Karlovice, okres Vsetín
Jméno autora: Mgr. Jiří Kala Škola: ZŠ Náklo Datum vytvoření (období):
Registrační číslo: CZ.1.07/1.4.00/
BRITISH EDUCATION Yes, I would. Would you like to study at Oxford?.
Tento materiál byl vytvořen rámci projektu EU peníze školám
VY_22_ INOVACE_27_ ANGLICKÝ JAZYK 5
GE - Vyšší kvalita výuky
DIGITÁLNÍ UČEBNÍ MATERIÁL
Where were you in the summer holidays? What did you do?
Společnost (Society) B2
Název vzdělávacího materiálu
I haven´t seen your ID card.
ANJ - komunikační situace Ročník, obor: 4. ročník, ekonomické lyceum
Název školy: ZŠ Klášterec nad Ohří, Krátká 676 Autor: Mgr
Název školy: ZŠ Bor, okres Tachov, příspěvková organizace
Název školy: ZŠ Varnsdorf, Edisonova 2821, okres Děčín, příspěvková organizace Jazyk a jazyková komunikace, Anglický jazyk, Přítomný čas prostý a průběhový.
Autor: Mgr. Kateřina Suková
DIGITÁLNÍ UČEBNÍ MATERIÁL
Název školy: ZŠ Klášterec nad Ohří, Krátká 676 Autor: Mgr
Transkript prezentace:

CLEF-2007 Cross-Language Speech Retrieval Track Overview CU:Pavel Pecina, Jan Hajic, Petra Hoffmannova DCU:Gareth Jones, Ying Zhang UMD:Doug Oard, Dagobert Soergel, Scott Olsson IBM: Bhuvana Ramabhadran JHU:Bill Byrne (Cambridge), Zak Shafran (OHSU) USC:Sam Gustman UWB: Pavel Ircing

Speech “Retrieval” Evaluations  : TREC SDR  English broadcast news; English queries  : TDT  multilingual news; query by example  : CLEF CL-SDR  English broadcast news; Multilingual queries  : CLEF CL-SR  English/Czech interviews; Multilingual queries  2007: CLEF QAST  English lectures/meetings, English questions

What’s New in 2007?  Czech  Fixed “quickstart” time alignment problem!  29 training topics, 42 new evaluation topics  3 new teams (Brown, Chicago, Charles U)  English  17% relative improvement over 2006 (TD, ASR)  4 new teams (Brown, Chicago, Jaen, Amsterdam)  Same topics and ASR as 2006  63 training topics, 33 evaluation topics

CLEF‒2007 Cross-Language Speech Retrieval Track Overview

English ASR Training: 200 hours from 800 speakers ASR2003A ASR2004A ASR2006A

VHF Sidonia L... | 1927 | Shaindl | L... | Sydzia Issac L..., Cyla L... Shabbat | Jewish identity | customs and observances, Jewish | Przemysl (Poland) | food | Poland 1918 (November 11) (August 31) SL recounts her daily activities. She notes her family's Jewish identity and she talks about a typical Shabbat. SL describes cholent. december when you talk about what your daily life was like well after realized i was a little girl going to public school during the day after works there were all the lessons and activities in the winter either an awful lot of ice skating and i was a very good ice skater figure i scared that then i would play with friends on the weekends there are things some of =em now are were my parents were religious that meant that on saturday i couldn't do very much i they went to the services i was hanging on outside was uh the kids making all the noise but afterwards we had to go home any … december when you talk about what your daily life was like well after realized i was a little girl going to public school during the day after works there were all the lessons and activities in the winter either an awful lot of ice skating and i was a very good ice skater figure i scared that then i would play with friends on the weekends there are things some of =em now are were my parents were religious that meant that on saturday i couldn't do very much i they went to the services i was hanging on outside was uh the kids making all the noise but afterwards we had to go home … december when you talk about what your daily life was like well after realized i was a little girl going to public school during the day after works there were all the lessons and activities in the winter either an awful lot of ice skating and i was a very good ice skater figure i scared that then i would play with friends on the weekends there are things some of =em now are were my parents were religious that meant that on saturday i couldn't do very much i they went to the services i was hanging on outside was uh the kids making all the noise but afterwards we had to go home any … december when you talk about what your daily life was like well after realized i was a little girl going to public school during the day after works there were all the lessons and activities in the winter either an awful lot of ice skating and i was a very good ice skater figure i scared that then i would play with friends on the weekends there are things some of =em now are were my parents were religious that meant that on saturday i couldn't do very much i they went to the services i was hanging on outside was uh the kids making all the noise but afterwards we had to go home any … cultural and social activities | customs and observances, Jewish | family life | food | Shabbat | sports and games | education | family homes | grandmothers | education, Jewish | Jewish-gentile relations | schools | synagogues | Polish (language) | working life | photographs (stills) 1930s | Poland 1918 (November 11) (August 31) | Poland 1935 (May 13) (August 31) | Cracow (Poland) | Germany 1918 (November 11) (August 31) Poland 1918 (November 11) (August 31) | customs and observances, Jewish | education | cultural and social activities | extended family members | education, Jewish | family life | Jewish-gentile relations | Jewish identity | Hungary 1918 (November 11) (August 31) | Shabbat | sports and games | Budapest (Hungary) | Poland 1941 (June 21) (July 21) | synagogue attendance | Hungary 1939 (September 1) (March 18) | food in the ghettos | forced labor in the ghettos | fate of loved ones | food

An English Topic Number: 1148 Title: Jewish resistance in Europe Description: Provide testimonies or describe actions of Jewish resistance in Europe before and during the war. Narrative: The relevant material should describe actions of only- or mostly Jewish resistance in Europe. Both individual and group-based actions are relevant. Type of actions may include survival (fleeing, hiding, saving children), testifying (alerting the outside world, writing, hiding testimonies), fighting (partisans, uprising, political security) Information about undifferentiated resistance groups is not relevant.

Automatic English TD Runs OttawaDCUBrownChicagoAmsterdam

Automatic English TD Runs Run IDMAPLangQueryDocument FieldsSite uoEnTDtQExF ENTDAK1,AK2,ASR04UO uoEnTDtQExF ENTDAK1,AK2,ASR04UO dcuEnTDauto0.0787ENTDAK1,AK2,ASR06BDCU brown.TD.auto0.0785ENTDAK1,AK2,ASR06BBLLIP UCkwENTD0.0571ENTDAK1,AK2,ASR06BUC UCbaseENTD ENTDASR06BUC UvA_2_en4g0.0444ENTDAK2,ASR06BUVA UvA_1_base0.0430ENTDASR06BUVA AK1 = AUTOKEYWORD2004A1, AK2 = AUTOKEYWORD2004A2, ASR03 = ASRTEXT2003A, ASR04 = ASRTEXT2004A, ASR06A =ASRTEXT2006A, and ASR06B = ASRTEXT2006B.

Wilcoxon Signed-Rank Test UO ‒ DCU The number of nonzero tests is --> 33 The sum of the signed rank is --> The 95.0% level of confidence is --> Methods cannot be separated. UO ‒ BLLIP The number of nonzero tests is --> 33 The sum of the signed rank is --> The 95.0% level of confidence is --> Methods cannot be separated. DCU ‒ BLLIP The number of nonzero tests is --> 32 The sum of the signed rank is --> The 95.0% level of confidence is --> Methods cannot be separated. BLLIP ‒ UC The number of nonzero tests is --> 33 The sum of the signed rank is --> The 95.0% level of confidence is --> Method 1 is better than method 2. UC ‒ UVA The number of nonzero tests is --> 33 The sum of the signed rank is --> The 95.0% level of confidence is --> Methods cannot be separated. UODCUBLLIPUCUVA

Monolingual vs. Cross-lingual (Automatic TD Runs) SiteDocument FieldsEnglishFrenchSpanishDutch UOAK1,AK2,ASR %72%‒ DCUAK1,AK2,ASR06B %‒‒ UCAK1,AK2,ASR06B %‒‒ UVAAK2,ASR06B0.0444‒ ‒90%

CLEF 2007: The CL-SR Czech Track Pavel Pecina

What’s Different in Czech?  Lack of manual interview annotation  no topic boundaries (start and stop times)  no description (summary, assessors' scratchpad)  English labels (assigned thesaurus terms) not used  Task: to identify appropriate replay points  focus on start time, stop times ignored  Unknown-boundary relevance assessment  manual labeling of start and stop times  modified mGAP used as the evaluation measure  penalization for not exact match

Interviews  Czech Holocaust survivors testimonies  357 mostly seen speakers, ~565 hours  35% ASR mean Word Error Rate 2007 Quickstart collection  automatically generated overlapping passages  average passage duration 3.75 min, 33% overlap  fields: DOCNO, INTERVIEWDATA, ASRSYSTEM, CHANNEL, ASRTEXT  no thesaurus terms used in 2007

Interview Usage Minutes from interview start … … … … Czech English 800 ASR Train 297 IR Eval 335 Seen 22 Unseen Seen ASR Train

VHF Tommy K...-K right PŘIVEZLI VĚZNĚ NA NOSÍTKÁCH A PROSTĚ MUSEL TADY BYL SKUTEČNĚ KAŽDÝ KDO TO V TEREZÍNĚ V TÉ DOBĚ BYL ALE STEJNĚ VÝSLEDEK BYL MYSLÍM ŽE MLUVÍ STOJÍM PROSTORU KDE AŽ DO KONCE KVĚTNA ČTYŘICET TŘI PŘICHÁZELY TRANSPORTY Z BOHUŠOVIC TEĎ JEŠTĚ CHODILI PĚŠKY ALE POTOM UŽ JE TO DEVĚT ČASTO MOJE TO ZACHOVALA ČÁST KOLEJÍ KTERÉ VEDLY AŽ TAK ZA HAMBURSKÝ KASÁRNA TAM POTOM UŽ OD KVĚTNA ČTYŘICET TŘI DOCHÁZELY VŠECHNY TRANSPORTY JAK Z VENKU TAKÉ OPAČNĚ KDYŽ TEREZÍNA ŠLY TRANSPORTY DO TAKOVÉHO ZA NÁMI TO BYLA JSOU HAMBURSKÝ KASÁRNA TAM JSOU HANNOVERSKÝCH KASÁRNÁCH TADY NA NA TOM O TOM PROSTORU PŘED TOU HROMADOU VĚCÍ MIMOŘÁDNĚ ŠPATNÉ I TADY TŘEBA MÍSTO KDE PŘICHÁZELY TRANSPORTY KDYŽ ČILI DIALOSTECKÝ DĚTI DIALOSTECKÝ DĚTI DVANÁCTSET NEBO KDYŽ POTOM CHODILY TRANSPORTY Z NĚMECKA TAK PROSTĚ NA TEN NA TĚCH KOLEJÍCH SE DĚLALO JAK TRANSPORTOVÁNI LIDI CO PŘICHÁZELI SEM TAK TRANSPORTOVÁNI TY VĚCI DÁL DO OSVĚTIMI NEJVĚTŠÍ TRANSPORTY SE TO ZÁŘÍ ČTYŘICET ČTYŘI KDY TAKÉ ODEŠEL MŮJ OTEC A BRATR TO UŽ BYLO ASI DESET TRANSPORTU PO TISÍCI MUŽÍCH TI ŽIDOVŠTÍ ČINNOST KTERÝ SE VELKÁ VĚTŠINA NEVRÁTIL TAK SEM PODÍVALA DĚLÁME NA BAŠTU TO JE ZAJÍMALI PROSTOR TÍM NĚJAKÝM OSOBNÍ VZPOMÍNKU NA TOM NAHOŘE TO BYLO ZAHRADNICTVÍ VLÁDNOUT ALE NĚJAKÝ DO DOBY NEŽ U TEN TAM BYL POSTAVENÝ DOMEČEK ALE BYLO TAM TAKÉ MALÝ V ODBOJI HŘIŠTĚ TAM JSME NIKDY NE- NĚKDY PŘESNĚ TO VÍM SEDMADVACÁTÉHO KVĚTNA ČTYŘICET ČTYŘI JSME TAM HRÁLI FOTBAL UTKÁNÍ SPARTA NEŽ JÁ VÍM SPARTA TO BYL KLUK Z KLUKŮ KTERÝ JSME BYDLELI TADY V HAMBURSKÝCH KASÁRNÁCH TAKŽE TEN PODVOZEK ALE NAPŘED BYLI MY JSME MĚLI SVÍČKU NEBO SE SPARTA A SESTRY STA SEDMNÁCT TY TO BYL DĚTSKÝ DOMOV KLUKŮ TAM MĚLI SE STALO PŘED VNUČKU NEŽ ALE MY JSME TEHDY DO UTKÁNÍ PROHRÁLI TŘI JEDNA ALE TO NENÍ PODSTATNÝ PODSTATNĚ TO ŽE TEN ZÁPAS A JÁ TADY DVACÁTÉHO SEDMÉHO KVĚTNA ČTYŘICET ČTYŘI A ŽE SE NA NĚ BYL JEŠTĚ PŮJDE OTEC PAK UŽ ODJEL DÁL A UŽ SEM U NÍ NEVĚDĚL KOUKÁME SE NÁM ÚZKÁ KASÁRNA TO JSOU KASÁRNA KTERÁ BYLA DŘEVĚNÁ PRO ŽENY TAK SEM TADY S MAMINKOU HNED V TOM ČTYŘICÁTÉM DRUHÉM JSME SEM PŘIŠLI TAK JSME TADY BYLI UBYTOVANÝ NA POKOJ MĚSTĚ ŠEST ŽE TO TYPICKY KASÁRENSKÝCH DOBU KASÁRENSKÝCH BUDOVAL S DVĚMA DVORY VELIKÝM A VPRAVO BYLO JSOU HANNOVERSKÝCH KASÁRNÁCH TA MOJE ČERNÁ PEKÁRNA TAM SE TAK CHLEBA I PRO TEREZÍN TO PRO NÁS A BYL TAM TAKÉ TAKOVÝ DVŮR ODJÍŽDĚLI ŽENY CO VOZILI NA TU DOBRANSKÝCH VOZECH VŠECHNO CO BYLO POTŘEBA TEREZÍNĚ DĚLAL VŠE SE VOZILO S- VOZY KTERÝ BYLI V TOM DVOŘE TAMHLE VZADU MAMINKA TAM BYL ZAMĚSTNÁN OSUDU HUNDERTSCHAFT JSME UMĚLY HAMBURSKÝCH KASÁREN PŘED TÍM JSME SE DÍVALI OTEC PO TOM PRVNÍM DVOŘE HAMBURSKÝ KASÁRNA KDE BYLI ÚPLNĚ TEDA VĚTŠINOU ŽENY JÁ SEM ZABIL S MATKOU PŮL ROKU DVAAČTYŘICET BUDE TAKÉ VIDĚT MÍSTO KDE JSME BYLI BYLO TO MÍSTO ČÍSLO DVĚ STĚ ŠEST S MAMINKOU SPALY SAMOŘEJMĚ TÍM ŽE MATKA CHTĚLA

Topics selection English Training English Evaluation English Evaluation 9 Unuse d Czech Safety Czech Evaluation Czech Evaluation

Topics selection English Training English Evaluation English Evaluation 9 Unuse d Czech Safety Czech Evaluation Czech Evaluation Czech Training

Topics selection English Training English Evaluation English Evaluation 9 Unuse d Czech Safety Czech Evaluation Czech Evaluation Czech Safety Czech Training

Topics selection English Training English Evaluation English Evaluation 9 Unuse d Czech Safety Czech Evaluation Czech Evaluation Czech Safety Czech Training 40 Possible 2007 Czech Evaluation 10 Possible 2007 Czech Evaluation (6 or more relevant passages identified during search-guided assessment)

Topics selection English Training English Evaluation English Evaluation 9 Unuse d Czech Safety Czech Evaluation Czech Evaluation Czech Safety Czech Training 40 Possible 2007 Czech Evaluation 10 Possible 2007 Czech Evaluation Czech Evaluation Czech Evaluation (highly-ranked assessment completed) (6 or more relevant passages identified during search-guided assessment)

Evaluation Measure  based on the mean Generalized Average Precission  human assessments are binary  degree of match to the assessments can be partial  penalization for non 100% match up to 150 sec  quantization noise (scores lower than for English)  15 sec assessment granurality  quickstart documents begin every 150 sec sec-75 sec+150 sec

Relevance Judgements  performed by 6 relevance assessors in Prague  completed for 87 topics  2156 rel. passages identified in the evaluation topics  completed for 42 topics  pool depth set to 50 start times  highly-ranked start times checked (284/topic)  233 rel. passages identified Search-guided assessment Highly-ranked assessment

Relevance Assessment Interface

Relevance Judgement Results

Relevance Judgement Statistics

Participation  Brown University (BLLIP)  Matthew Lease, Eugene Charniak  Charles University (CUNI)  Pavel Češka, Pavel Pecina  University of Chicago (UC)  Gina-Anne Levow  University of West Bohemia (UWB)  Pavel Ircing, Luděk Müller  total of 15 runs submitted  required condition: automatic queries from Title and Description

Results

Results: Term normalization  the effect of term normalization for handling Czech morphology is quite significant:  % relative improvement

Alignment Issues in the Quickstart Collection  2006 data release (affected 2006 working notes)  Time mismatch made mGAP uninformative (pauses ignored)  Post-CLEF 2006 evaluation (“corrected” in 2006 proceedings)  Post-hoc start time correction (but missing tapes counted as 30 min)  AUTO and MANUAL KEYWORDS still misaligned  2007 data release  Some additional corrections for ASR timing  AUTO and MANUAL KEWYORDS removed (too hard to fix)  2007 evaluation (reported in 2007 working notes)  Missing-tape timing corrected post-hoc

Test Collection Release  CLEF CL-SR track test collections:  Package for release  Independent (cross-site) validation  Deposit at ELDA  MALACH ASR training data:  Package English and Czech for release  With Polish, Russian, Slovak (+ maybe Hungarian)  Deposit at LDC

What Did We Learn?  Searching conversational speech works  Real user needs, two languages  Improving ASR helps less than expected  Error rates vary by speaker  Ranked retrieval prefers lower error rates  Automatic classification can help ASR  At least if error rates are high  Unsegmented sources bring new challenges  Cross-sourcealignment  Evaluation measure design

Critiquing the Collection  Large for ASR is small for IR  ~1,000 hours of speech = ~20,000 “documents”  No manual reference transcription  Would cost ~$100,000  Interviews are just one type of conversation