6、含自我修正话语转录的解析研究

含自我修正话语转录的解析研究

1. 引言

自然语言理解系统若要处理口语转录内容，就必须应对其中大量存在的自我修正（或自我更正）情况。这是一个长期存在的问题，口语中的犹豫和错误起始是常见特征，无法处理这些情况的解释器会立即失效。当前的普遍做法是通过编辑规则来处理中断和自我修正，使文本规范化，这些规则属于性能设备中的一种调整模块。

然而，我们提出一种新的方法，即中断和自我修正可以直接由句法模块处理。这一建议基于“说话者以符合语言原则的方式进行修正”这一观察。自我修正的规律性在语言学、会话分析、心理语言学等多个领域的详细描述性研究中得到了强调。例如，Levelt提出自我修正是一个句法上有规律的过程，说话者倾向于遵循句法协调的正常规则。但我们已证明自我修正不能简单归结为一种协调关系。不过，自我修正的形式不仅有规律，还遵循一个简单的几何形式原则，该原则在PS - 语法中得到了形式化表示，为解析含自我修正的非标准输入提供了新视角，通过对标准解析算法进行简单且有原则的扩展就能处理这些输入，我们以Earley算法为例进行说明。

2. 自我修正的特征

2.1 自我修正的显性特征

自我修正的显性特征表现为：一个话语被中断，中断通过一些韵律或语音信号标记，如截断、停顿、犹豫标记或延长音等。中断后会出现任意数量的成分，这些成分与被中断的话语呈并列关系。以下是从转录对话语料库中选取的示例：
- a. elle était:: an - mm irlandaise (.) enfin:: de l’Irlande
- b. elle ne sort plus de son:: euh studio
- c. mais il fau