JP2014153601A - Device for evaluating difficulty degree of infant vocabulary comprehension, infant vocabulary retrieval device, and infant vocabulary classification device, and method and program for the devices - Google Patents
Device for evaluating difficulty degree of infant vocabulary comprehension, infant vocabulary retrieval device, and infant vocabulary classification device, and method and program for the devices Download PDFInfo
- Publication number
- JP2014153601A JP2014153601A JP2013024274A JP2013024274A JP2014153601A JP 2014153601 A JP2014153601 A JP 2014153601A JP 2013024274 A JP2013024274 A JP 2013024274A JP 2013024274 A JP2013024274 A JP 2013024274A JP 2014153601 A JP2014153601 A JP 2014153601A
- Authority
- JP
- Japan
- Prior art keywords
- vocabulary
- learning
- infant
- understanding
- acquisition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、幼児の語彙学習過程における語彙理解の難易度を評価する幼児語彙理解難易度評価装置と幼児語彙検索装置と幼児語彙分類装置とそれらの方法とプログラムに関する。 The present invention relates to an infant vocabulary comprehension difficulty evaluation device, an infant vocabulary search device, an infant vocabulary classification device, and methods and programs thereof for evaluating lexical comprehension difficulty in an infant vocabulary learning process.
従来、発達心理学の分野では、親の回答に基づくアンケート調査において語彙チェックリストを用いた大規模集団データで語彙の特徴を捉えてきた。この手法では、非特許文献1に示すように語彙チェックリスト法の横断データから算出した各語彙の「50%到達日齢」(50%の子供が語彙を理解している日齢時点)が何時かを調べ、それを語彙の理解日齢としていた。
Traditionally, in the field of developmental psychology, vocabulary features have been captured by large-scale group data using vocabulary checklists in questionnaire surveys based on parents' answers. In this method, as shown in Non-Patent
幼児の全員がすぐ理解あるいは発話できる単語を選ぶことは、分かり易い幼児教材を作成する上で重要である。また、逆に幼児の全員がすぐには理解あるいは発話できない単語を選ぶことも、問題の難易度を調整する上では重要である。しかし、これまで、単語の特徴として、幼児の全員がすぐに理解あるいは発話できるという情報を利用することはなかった。 Choosing words that can be easily understood or spoken by all infants is important in creating easy-to-understand infant materials. On the other hand, selecting words that cannot be understood or spoken by all infants is also important in adjusting the difficulty of the problem. However, until now, the information that all infants can understand or speak immediately has not been used as a characteristic of the word.
今までは、どの日齢で単語を獲得するかは図1に示すような表で提示されてきた。図1は、各語彙を理解する幼児の割合を示す。1行目は、各語彙を理解した日齢、2行目以降は各語彙を理解した幼児の割合を示す。 Until now, the age at which words are acquired has been presented in a table as shown in FIG. FIG. 1 shows the percentage of infants who understand each vocabulary. The first line indicates the age at which each vocabulary is understood, and the second and subsequent lines indicate the percentage of infants who understand each vocabulary.
従来は、この表から、例えば50%の幼児が理解した日齢を求め、単語の難易度とすることが行われていた。 Conventionally, from this table, for example, the age understood by 50% of infants is obtained, and the difficulty level of words is determined.
しかし、従来は、この表から対象語が、幼児全員がすぐ理解できる単語なのか、あるいは、すぐ発話できるのかを調べ、単語選択に利用する考えはなかった。その理由としては、理解のための累積語獲得確率分布を、全ての単語について求めるのが難しいことが挙げられる。 However, in the past, there was no idea to use the word selection to investigate whether the target word is a word that can be easily understood by all the infants or can be spoken immediately from this table. The reason is that it is difficult to obtain a cumulative word acquisition probability distribution for understanding for all words.
理解する語彙を調べるアンケートでは、幼児が理解したと思われる語彙の数が多くなると、各々の語彙について正確なデータを得ることが難しくなる。つまり、理解する語彙数は急速に増加する傾向があるため、個々の語彙を理解しているか否かの切り分けが曖昧になる。そのために図1に、パターンを付して示すように、例えば、「あり」、「かに」、「かば」、「かめ」のように、理解する幼児が50%に到達しない語彙がデータの上で多く発生する。 In the questionnaire to find out the vocabulary to understand, if the number of vocabulary that an infant thinks understood increases, it becomes difficult to obtain accurate data for each vocabulary. In other words, since the number of vocabulary to be understood tends to increase rapidly, it becomes ambiguous whether or not each vocabulary is understood. Therefore, as shown in FIG. 1 with a pattern, for example, “Yes”, “Kani”, “Kaba”, “Kame”, and the vocabulary that the infant to understand does not reach 50% is data. It often occurs on the top.
本発明は、このような課題に鑑みてなされたものであり、累積語彙獲得確率分布から計算できる分布の広がり(傾き)を利用する新しい考えに基づいて幼児語彙の理解の難易度の評価を可能にする幼児語彙理解難易度評価装置と幼児語彙検索装置と幼児語彙分類装置と、それらの方法とプログラムを提供することを目的とする。 The present invention has been made in view of such problems, and it is possible to evaluate the difficulty of understanding infant vocabulary based on a new idea that uses the spread (slope) of the distribution that can be calculated from the cumulative vocabulary acquisition probability distribution. It is an object of the present invention to provide an infant vocabulary understanding difficulty evaluation device, an infant vocabulary search device, an infant vocabulary classification device, and methods and programs thereof.
本発明の幼児語彙理解難易度評価装置は、ロジスティック関数近似部と、習得日齢算出部と、習得期間算出部と、を具備する。ロジスティック関数近似部は、複数の幼児の語彙学習過程における語彙iの習得時期xiと習得割合f(xi)を入力として、語彙i毎に習得時期xiと習得割合f(xi)との関係をロジスティック曲線で近似する。習得日齢算出部は、ロジスティック関数を用いて、α%習得日齢と当該αよりも小さいβ%のβ%習得日齢とを求める。習得期間算出部は、α%習得日齢とβ%習得日齢を入力として、語彙iの習得期間を算出し、当該習得期間を語彙iの理解難易度として出力する。 The infant vocabulary comprehension difficulty evaluation device of the present invention includes a logistic function approximating unit, a learning age calculating unit, and a learning period calculating unit. Logistic function approximation unit as input a plurality of infants vocabulary learning learning timing vocabulary i in the process x i and learning rate f (x i), and learning time x i for each vocabulary i and learning rate f (x i) Is approximated by a logistic curve. The acquisition day age calculating unit obtains an α% acquisition day age and a β% acquisition day age of β% smaller than the α using a logistic function. The learning period calculation unit calculates the learning period of the vocabulary i by using α% learning age and β% learning age as input, and outputs the learning period as an understanding difficulty level of the vocabulary i.
また、本発明の幼児語彙検索装置は、幼児語彙理解難易度評価装置と語彙検索部を具備する。幼児語彙理解難易度評価装置は、累積理解割合f(xi)をモデル化したロジスティック曲線から語彙iの理解難易度を算出する。語彙検索部は、その理解難易度と外部から入力される検索条件とを比較することで、検索条件に合致する語彙iを検索する。 The infant vocabulary retrieval apparatus of the present invention includes an infant vocabulary understanding difficulty evaluation device and a vocabulary retrieval unit. The infant vocabulary comprehension difficulty level evaluation device calculates the comprehension difficulty level of the vocabulary i from a logistic curve that models the cumulative understanding rate f (x i ). The vocabulary search unit searches the vocabulary i that matches the search condition by comparing the degree of understanding difficulty with the search condition input from the outside.
また本発明の幼児語彙分類装置は、上記した幼児語彙理解難易度評価装置と語彙分類部とを具備する。語彙分類部は、語彙理解難易度評価装置で計算された理解難易度とα%習得日齢とを入力として、理解難易度とα%習得日齢を、語彙iに対応させたベクトルとして構成し、理解難易度とα%習得日齢の値に応じて語彙iを分類する。 The infant vocabulary classification device of the present invention includes the above-described infant vocabulary understanding difficulty evaluation device and a vocabulary classification unit. The vocabulary classification unit inputs the understanding difficulty level calculated by the vocabulary understanding difficulty level evaluation device and the α% acquisition date, and configures the understanding difficulty level and the α% acquisition date as a vector corresponding to the vocabulary i. The vocabulary i is classified according to the level of difficulty of understanding and the value of α% acquisition date.
本発明の幼児語彙理解難易度評価装置によれば、累積語彙獲得確率分布から、幼児語彙の理解の難易度を評価する新しい指標を提供することを可能にする。また、この発明の幼児語彙検索装置は、その新しい指標を用いることで、理解難易度に応じた幼児語彙の検索を行うことを可能にする。また、この発明の幼児語分類装置は、理解難易度に応じて幼児語彙を分類することを可能にする。このように本願発明の各装置は、幼児語彙の研究や教育の分野に資する効果を奏する。 According to the infant vocabulary comprehension difficulty evaluation device of the present invention, it is possible to provide a new index for evaluating the comprehension difficulty of infant vocabulary from the cumulative vocabulary acquisition probability distribution. In addition, the infant vocabulary retrieval apparatus according to the present invention makes it possible to retrieve an infant vocabulary according to the degree of understanding difficulty by using the new index. Moreover, the infant word classification device of the present invention makes it possible to classify the infant vocabulary according to the degree of understanding difficulty. Thus, each device of the present invention has an effect that contributes to the field of infant vocabulary research and education.
以下、この発明の実施の形態を図面を参照して説明する。複数の図面中同一のものには同じ参照符号を付し、説明は繰り返さない。 Embodiments of the present invention will be described below with reference to the drawings. The same reference numerals are given to the same components in a plurality of drawings, and the description will not be repeated.
〔発明の考え〕
実施例の説明の前に、この発明の幼児語彙の理解の難易度を評価する新しい考え方を説明する。この発明の幼児語彙理解難易度の評価方法は、複数の幼児の語彙学習過程における語彙iの習得時期xiと習得割合f(xi)との関係から成る習得率確率分布を、ロジスティック曲線で近似し、その確率密度の広がりから理解難易度を評価する方法である。
[Invention]
Prior to the description of the embodiments, a new concept for evaluating the difficulty of understanding the infant vocabulary according to the present invention will be described. According to the method of evaluating the difficulty level of understanding the infant vocabulary according to the present invention, a learning rate probability distribution consisting of a relationship between a learning period xi of a vocabulary i and a learning ratio f (x i ) in a vocabulary learning process of a plurality of infants is expressed by a logistic curve. It is a method of approximating and evaluating the difficulty of understanding from the spread of the probability density.
習得確率分布として累積発話確率を用いて式(1)でモデル化した例を図2と図3に示す。関数をモデル化するに当たっては、最小二乗法や尤度最大化手法を用いる。この場合、非線形な関数の最適化が必要になるので、最急降下法などの手法を用いて最適なパラメータを求める。何れの手法も周知であり、詳しい説明は省略する。 FIGS. 2 and 3 show examples of modeling using the cumulative utterance probability as the learning probability distribution by the equation (1). In modeling the function, a least square method or a likelihood maximization method is used. In this case, since optimization of a non-linear function is necessary, an optimum parameter is obtained using a technique such as the steepest descent method. Both methods are well known and will not be described in detail.
語彙の累積発話割合f(xi)を式(1)でモデル化した例を図2,図3に示す。図2は、獲得語彙を「はい」とした場合の幼児の累積発話割合である。図3は、獲得語彙を「ばーば」とした場合の幼児の累積発話割合である。 An example in which the cumulative utterance rate f (x i ) of the vocabulary is modeled by Equation (1) is shown in FIGS. FIG. 2 shows the cumulative utterance ratio of an infant when the acquired vocabulary is “Yes”. FIG. 3 shows the cumulative utterance ratio of an infant when the acquired vocabulary is “Baba”.
図2,図3に示すロジスティック曲線はS字型の曲線であり、最初は緩やかに増加した後に傾きが急になった後に再び増加量が穏やかになる変化を示す。パラメータcは、その語彙の累積発話割合の傾きであり、bはロジスティック曲線のオフセット量を表す。aは累積発話割合の上限を決める値である。cが大きくなるとS字曲線の中央部分の傾きが急になり、bが大きくなるとS字曲線が獲得時期xの大きい方に移動する関係にある。 The logistic curves shown in FIG. 2 and FIG. 3 are S-shaped curves, and show a change in which the increase amount becomes gentle again after the slope gradually increases after the gentle increase at first. The parameter c is the slope of the cumulative utterance ratio of the vocabulary, and b represents the offset amount of the logistic curve. a is a value that determines the upper limit of the cumulative utterance rate. As c increases, the slope of the central portion of the S-curve becomes steep, and as b increases, the S-curve moves to the larger acquisition time x.
つまり、S字曲線の中央部分の傾きが急であれば、短い日齢で発話する習得の容易な単語であることが分かる。パラメータcの大小で語彙の習得の難易度を評価することが可能である。 That is, if the slope of the central portion of the S-shaped curve is steep, it can be understood that the word is easy to learn and spoke at a short age. It is possible to evaluate the difficulty level of vocabulary acquisition by the size of the parameter c.
また、獲得語彙に関する累積理解割合は、上記した理由で正確なデータを得ることが難しい。そこで、この発明では、発話は語彙を理解した後に行われる点に着目する。つまり、人は語彙を理解してからその語彙を発話する関係を、利用することで理解する幼児が50%に到達しない語彙がデータの上に多く発生する場合でも、正確に理解難易度を算出可能にする工夫を施している。詳しい説明は後述する。 In addition, it is difficult to obtain accurate data on the cumulative understanding ratio regarding the acquired vocabulary for the reasons described above. Therefore, in the present invention, attention is paid to the point that the utterance is performed after understanding the vocabulary. In other words, even if there are many vocabulary words on the data that do not reach 50% of infants who understand the vocabulary and then utter the vocabulary, the difficulty level of the vocabulary is accurately calculated. The device is made possible. Detailed description will be described later.
〔幼児語彙理解難易度評価装置〕
図4に、この発明の幼児語彙理解難易度評価装置100の機能構成例を示す。その動作フローを図5に示す。幼児語彙理解難易度評価装置100は、ロジスティック関数近似部110と、習得日齢算出部120と、習得期間算出部130と、制御部140と、を具備する。幼児語彙理解難易度評価装置100は、例えばROM、RAM、CPU等で構成されるコンピュータに所定のプログラムが読み込まれて、CPUがそのプログラムを実行することで実現されるものである。
[Infant vocabulary comprehension difficulty evaluation device]
FIG. 4 shows a functional configuration example of the infant vocabulary comprehension
ロジスティック関数近似部110は、複数の幼児の語彙学習過程における語彙iの習得時期xiと習得割合f(xi)を入力として、語彙i毎に習得時期xiと習得割合f(xi)との関係をロジスティック曲線で近似する(ステップS110)。ロジスティック曲線は、例えば上記した式(1)に示す関数である。
Logistic
習得日齢算出部120は、ロジスティック関数近似部110で近似したロジスティック曲線を用いて、α%習得日齢とα%よりも小さいβ%のβ習得日齢とを求める(ステップS120)。ここで、α%は例えば50%、β%は例えば20%を用いる。α%とβ%の組み合わせは、α>βの関係が保たれれば、どのようなものであっても良い。ここでは、データとして50%以下のものも含まれるため(図1)、信頼性を考慮して全ての語彙iでデータの存在する20%と、幼児の半分が習得する50%の2つを用いた。
The learning day
また、式(1)の係数aは0〜1の間の値であり、一般に式(1)の関数の値はこの係数未満となることから、50%の値は、その係数が示すパーセントの値未満で設定(例えばa=0.7のときは70%未満)することがより適切である。また20%は、ロジスティック曲線(S字曲線)の下側の変曲点より小さくならない10%以上で設定することが望ましい。 In addition, the coefficient a in the formula (1) is a value between 0 and 1, and generally the value of the function in the formula (1) is less than this coefficient. Therefore, the value of 50% is the percentage indicated by the coefficient. It is more appropriate to set the value less than the value (for example, less than 70% when a = 0.7). Further, 20% is desirably set to 10% or more which does not become smaller than the lower inflection point of the logistic curve (S-shaped curve).
習得期間算出部130は、α%習得日齢とβ習得日齢を入力として、語彙iの習得期間を(α−β)算出し、その習得期間を語彙iの理解難易度として出力する(ステップS130)。ステップS110〜ステップS130の動作は、全ての語彙iについての処理が終了するまで繰り返される(ステップS140のNo)。この繰り返し動作の制御は制御部140が行う。
The learning
実施例1で示した幼児語彙理解難易度評価装置100によれば、幼児語彙の理解難易度を評価するための新しい指標を提供することができる。なお、幼児語彙理解難易度評価装置100に入力する習得時期と習得割合とからなる累積語彙獲得確率分布には、二つの種類が存在する。用いる累積語彙獲得確率分布を限定した幼児語彙理解難易度評価装置を、次に変形例として説明する。
According to the infant vocabulary comprehension
〔変形例1〕
図6に、この発明の幼児語彙理解難易度評価装置200の機能構成例を示す。幼児語彙理解難易度評価装置200は、用いる累積語彙獲得確率分布を、幼児が語を理解する割合(幼児語理解割合)としたものである。幼児語彙理解難易度評価装置200は、幼児語彙理解難易度評価装置100のロジスティック関数近似部110が、ロジスティック関数近似部210に置き換わったものであり、習得日齢算出部120と習得期間算出部130は、参照符号から明らかなように同じものである。
[Modification 1]
FIG. 6 shows a functional configuration example of the infant vocabulary comprehension
ロジスティック関数近似部210は、習得時期xiを語彙iの理解時期xi、習得割合f′(xi)を累積理解割合f′(xi)として、理解語彙i毎にロジスティック曲線を描く次式の関数をモデル化し、
Logistic
理解語彙パラメータai′,bi′,ci′を算出する。 Comprehension vocabulary parameters a i ′, b i ′, and c i ′ are calculated.
〔変形例2〕
図7に、この発明の幼児語彙理解難易度評価装置300の機能構成例を示す。幼児語彙理解難易度評価装置300は、用いる累積語彙獲得確率分布を、幼児が語を発話した割合(幼児語発話割合)としたものである。幼児語彙理解難易度評価装置300は、幼児語彙理解難易度評価装置100のロジスティック関数近似部110のみが、ロジスティック関数近似部310に置き換わったものである。
[Modification 2]
FIG. 7 shows a functional configuration example of the infant vocabulary comprehension
ロジスティック関数近似部310は、習得時期xiを語彙iの発話時期xi、習得割合f(xi)を累積発話割合f(xi)として、発話語彙i毎にロジスティック曲線を描く関数を上記した式(1)モデル化し、発話語彙パラメータai,bi,ciを算出する。
Logistic
変形例として示した幼児語彙理解難易度評価装置200,300は、幼児語彙理解難易度評価装置100と同様に、幼児語彙の理解難易度を評価するための新しい指標を提供することができる。但し、上記したように幼児が理解する語彙を調査するには、難しさが伴う。そこで、理解する幼児が50%に到達しない単語が多く存在する場合でも、理解難易度を算出できるように工夫したこの発明の幼児語彙理解難易度評価装置400を、実施例2として次に説明する。
Similar to the infant vocabulary understanding
図8に、この発明の幼児語彙理解難易度評価装置400の機能構成例を示す。幼児語彙理解難易度評価装置400は、発話語彙iの獲得時期xiと累積発話割合f(xi)と、理解語彙iの獲得時期xiと累積理解割合f′(xi)と、を入力として理解語の到達日齢を推定するものである。ここでは、f(xi)≦f′(xi)の拘束そのものを使うのは困難なので代わりに、ai≦a′iという拘束を使う。
FIG. 8 shows a functional configuration example of the infant vocabulary comprehension
〔累積発話割合〕
累積発話割合f(xi)は、非特許文献1で述べている語彙に関するアンケートに回答してもらい、幼児が新たに発話した語彙を把握することで取得する。具体的には、幼児が言葉を覚え始める時期よりも少し前から3歳程度までの期間で、数ヶ月おきに100人程度の母親に上記したアンケートに回答してもらう。表1に、語彙「あーあ」を発話する幼児の累積発話割合f(xi)を例示する。
[Cumulative utterance rate]
The cumulative utterance rate f (x i ) is obtained by answering a questionnaire related to vocabulary described in
表1に示すデータを、幼児が発話する全ての語彙について求める。 The data shown in Table 1 is obtained for all vocabulary spoken by the infant.
〔累積理解割合〕
累積理解割合f′(xi)は、幼児が語彙を理解する割合であり、累積発話割合f(xi)と同様にして取得する。表に、語彙「あーあ」を理解する幼児の累積理解割合f′(xi)を例示する。
[Cumulative understanding ratio]
The cumulative understanding ratio f ′ (x i ) is a ratio at which the infant understands the vocabulary, and is acquired in the same manner as the cumulative utterance ratio f (x i ). The table exemplifies a cumulative understanding ratio f ′ (x i ) of an infant who understands the vocabulary “Ah”.
表2に示すデータを、幼児が理解する全ての語彙について求める。理解する語彙と発話する語彙は、同じ語彙iである。 The data shown in Table 2 is obtained for all vocabulary understood by young children. The vocabulary to understand and the vocabulary to utter are the same vocabulary i.
幼児語彙理解難易度評価装置400(図8)は、発話語彙ロジスティック関数近似部410と、発話語彙パラメータ保存部450と、理解語彙ロジスティック関数近似部460と、理解語彙パラメータ保存部470と、習得日齢算出部420と、習得期間算出部130と、制御部440と、を具備する。その動作フローを図9に示す。幼児語彙理解難易度評価装置400は、例えばROM、RAM、CPU等で構成されるコンピュータに所定のプログラムが読み込まれて、CPUがそのプログラムを実行することで実現されるものである。
The infant vocabulary understanding difficulty evaluation device 400 (FIG. 8) includes an utterance vocabulary logistic
発話語彙ロジスティック関数近似部410は、複数の幼児の語彙学習過程における発話語彙iの発話時期xi(獲得時期)と累積発話割合f(xi)を入力として、発話語彙i毎にロジスティック曲線を描く上記した式(1)の関数をモデル化し、発話語彙パラメータai,bi,ciを算出する(ステップS410)。
The utterance vocabulary logistic
図10に、ステップS410を詳しく示す。発話語彙ロジスティック関数近似部410は、式(1)で累積発話割合f(xi)をモデル化する(ステップS4100)。モデル化するとパラメータaiがai>1となることがある。累積発話割合f(xi)が1を越えることは無いので、この場合(ステプS4101のYes)は、ai=1としてパラメータbi,ciを再計算する(ステップS4102)。発話語彙パラメータai,bi,ciは、発話語彙パラメータ保存部450に保存される(ステップS450)。
FIG. 10 shows step S410 in detail. The utterance vocabulary logistic
理解語彙ロジスティック関数近似部460は、上記語彙学習過程における発話語彙iと同じ語彙iの理解時期xiと累積理解割合f′(xi)を入力として、理解語彙i毎にロジスティック曲線を描く上記した式(2)の関数をモデル化し、理解語彙パラメータai′,bi′,ci′を算出する(ステップS460)。理解語彙パラメータai′,bi′,ci′は、理解語彙パラメータ保存部470に保存される(ステップS470)。
The understanding vocabulary logistic
習得日齢算出部420は、発話語彙パラメータ保存部450と理解語彙パラメータ保存部470に保存された両パラメータを入力として、理解と発話の関係に基づいて理解語彙の50%到達日齢である理解語彙50%習得日齢と理解語彙20%習得日齢を計算する(ステップS420)。50%習得日齢の計算は、f′(xi)=0.5、20%習得日齢の計算はf′(xi)=0.2とおいて、例えばニュートン法を用いて行う。又は、他の最適化手法を用いてもよい。
The learning
習得期間算出部130は、50%習得日齢と20%習得日齢を入力として、語彙iの習得期間を算出し、その習得期間を語彙iの理解難易度として出力する(ステップS130)。制御部440は、全ての語彙iについて終了するまでステップS410〜S130までの処理を繰り返す(ステップS440)。
The learning
以上のように動作することで、この発明の幼児語彙理解時期推定装置100は、理解する語彙を調べるアンケート結果のデータ中に50%を超えて理解する日齢データが無くても理解語彙の50%習得日齢を推定することができる。
By operating as described above, the infant vocabulary understanding
〔習得日齢算出部〕
図11に、習得日齢算出部420のより具体的な機能構成例を示す。その動作フローを図12に示す。
[Learning age calculation part]
FIG. 11 shows a more specific functional configuration example of the learning
習得日齢算出部420は、パラメータ比較設定手段421と、習得日齢計算手段422と、を備える。パラメータ比較設定手段421は、発話語彙パラメータ保存部450に保存された発話語彙パラメータaiと、理解語彙パラメータ保存部470に保存された理解語彙パラメータai′と、を入力として両パラメータの大きさを比較する(ステップS4211)。
The learning
ai′<aiの場合(ステップS4211のYes)は、ai′=aiとして式(2)による理解語彙ロジスティック関数近似の再計算を行う(ステップS4212)。ai′≧aiで且つai′>1の場合(ステップS4213のYes)は、ai′=1として式(2)による理解語彙ロジスティック関数近似の再計算を行う(ステップS4214)。パラメータ比較設定手段421は、両パラメータai,ai′の比較結果と、ロジスティック関数を再近似した理解語彙パラメータai′,bi′,ci′を習得日齢計算手段422に出力する。 When a i ′ <a i (Yes in step S4211), recalculation of the understanding vocabulary logistic function approximation according to equation (2) is performed with a i ′ = a i (step S4212). If a i ′ ≧ a i and a i ′> 1 (Yes in step S4213), recalculation of the understanding vocabulary logistic function approximation by equation (2) is performed with a i ′ = 1 (step S4214). The parameter comparison setting means 421 outputs the comparison result of the two parameters a i and a i ′ and the understanding vocabulary parameters a i ′, b i ′ and c i ′ re-approximate the logistic function to the acquired age calculation means 422. .
習得日齢計算手段422は、両パラメータai,ai′の比較結果と、再計算した理解語彙パラメータai′,bi′,ci′と、理解語彙パラメータ保存部470に保存された理解語彙パラメータai′,bi′,ci′と、を入力として、上記再近似した理解語彙パラメータai′,bi′,ci′又は上記理解語彙パラメータ保存部470に保存された理解語彙パラメータai′,bi′,ci′のどちらかを用いて50%習得日齢と20%習得日齢を計算する(ステップS422)。
The learning age calculation means 422 is stored in the comprehension vocabulary
習得日齢計算手段422は、理解語彙パラメータai′が発話語彙パラメータaiよりも小さい場合(ステップS4221のYes)、又は、理解語彙パラメータai′が1より大きい場合(ステップS4222のYes)、にパラメータ比較設定手段421で再近似した理解語彙パラメータai′,bi′,ci′を用いて50%習得日齢と20%習得日齢を計算する(ステップS4223)。 The learning age calculation means 422 determines that the understanding vocabulary parameter a i ′ is smaller than the utterance vocabulary parameter a i (Yes in step S4221) or the understanding vocabulary parameter a i ′ is greater than 1 (Yes in step S4222). Then, using the comprehension vocabulary parameters a i ′, b i ′, c i ′ re-approximate by the parameter comparison setting means 421, the 50% learning age and the 20% learning age are calculated (step S4223).
理解語彙パラメータai′が発話語彙パラメータaiの大きさ以上で且つai′以下の場合(ステップS4222のNo)は、理解語彙パラメータ保存部470に保存された理解語彙パラメータai′,bi′,ci′を用いて50%習得日齢と20%習得日齢を計算する(ステップS4224)。このように動作することで、50%を超えて理解する日齢データが無くても理解語彙の50%習得日齢を推定することができる。
When the understanding vocabulary parameter a i ′ is not less than the size of the utterance vocabulary parameter a i and not more than a i ′ (No in step S4222), the understanding vocabulary parameter a i ′, b stored in the understanding vocabulary
〔習得日齢の具体例〕
上記した幼児語彙理解難易度評価装置400で、50%習得日齢と20%習得日齢を求めた結果を表3に示す。データは、1699名に回答してもらったMacarthur乳幼児言語発達質問紙の語と身振り版(448語)、語と文法版(711語)を使って、幼児が発話した語彙のチェックを行ったものを用いた。
[Specific examples of learning age]
Table 3 shows the results of obtaining the 50% acquisition date and the 20% acquisition date with the infant vocabulary understanding
表3は、社会語に分類される幼児語彙について、発話習得日齢と理解習得日齢のそれぞれの50%習得日齢と20%習得日齢と習得期間を示す。習得期間が80日以下の語を調べると、表3に示していないが、“ありがとう”、“いただきます”、“ごちそうさま”、“だめ”、“ちょうだい”、“どうぞ”、“はい”、“ばいばい”、などの単語が該当する。これらの語は、幼児全員が同時に獲得するような語である。 Table 3 shows 50% acquisition age, 20% acquisition age, and acquisition period of the utterance acquisition date and the understanding acquisition date for the infant vocabulary classified as social languages. Examining words with an acquisition period of 80 days or less, although not shown in Table 3, “Thank you”, “Thank you”, “Feast”, “No”, “Give me”, “Please”, “Yes”, “ This includes words such as “Baibai”. These words are words that all infants acquire simultaneously.
習得期間が130日以上の語彙を調べると、表3に示すような“あーあ”、“ガーガー”、“こけこっこ”、などの語が該当する。これらの語は、20%の幼児が習得してから、50%の幼児が習得するまで130日以上を必要とするものである。このように、この発明の幼児語彙理解難易度評価装置は、幼児語彙を定量的に分析するための新たな指標を提供することができる。 Examining vocabulary with a learning period of 130 days or more, the words such as “Ah”, “Garger”, “Kokekoko”, etc. as shown in Table 3 apply. These words require 130 days or more after 20% of infants learn until 50% of them learn. Thus, the infant vocabulary comprehension difficulty evaluation device of the present invention can provide a new index for quantitatively analyzing an infant vocabulary.
〔応用例1〕
この発明の幼児語彙理解難易度評価装置100,200,300,400を利用することで、検索条件に応じた幼児語彙を検索する幼児語彙検索装置を構成することができる。図13に、この発明の幼児語彙検索装置500の機能構成例を示す。その動作フローを図14に示す。
[Application Example 1]
By using the infant vocabulary comprehension
幼児語彙検索装置500は、幼児語彙理解難易度評価装置200と、語彙検索部510と、制御部540と、を具備する。幼児語彙理解難易度評価装置200は、上記(図6)したものである。語彙検索部510は、幼児語彙理解難易度評価装置200が出力する語彙iの理解難易度と、外部から入力される検索条件とを入力として、語彙i毎の理解難易度と検索条件とを比較することで、検索条件に合致する語彙iを検索する(ステップS130)。
The infant
検索条件には、習得期間や習得日齢を設定する。例えば、習得期間を130以上と設定すると上記した表3に示した、例えば“あーあ”、“ガーガー”、“こけこっこ”、の語が検索された語彙として出力される。なお、幼児語彙理解難易度評価装置200と組み合わせる例で説明を行ったが、幼児語彙理解難易度評価装置には上記した何れの装置を用いても良い。
In the search condition, a learning period and a learning age are set. For example, if the learning period is set to 130 or more, the words “Ah”, “Garger”, and “Kokekokko” shown in Table 3 above are output as searched vocabularies. In addition, although it demonstrated by the example combined with the infant vocabulary comprehension
〔応用例2〕
幼児語彙検索装置としては、多数の幼児語について語彙iに対応付けて発話語彙パラメータと理解語彙パラメータをデータベースとして蓄積し、利用者から任意の検索条件を受け付けて、検索条件に合致する語を出力する装置も考えられる。
[Application 2]
As an infant vocabulary search device, utterance vocabulary parameters and comprehension vocabulary parameters are stored as a database in association with vocabulary i for a number of infant words, accept arbitrary search conditions from the user, and output words that match the search conditions It is also conceivable to use a device.
〔応用例3〕
図15に、この発明の幼児語彙分類装置600の機能構成例を示す。その動作フローを図16に示す。幼児語彙分類装置600は、幼児語彙理解難易度評価装置100と、語彙分類部610と、制御部640と、を具備する。
[Application Example 3]
FIG. 15 shows a functional configuration example of the infant
幼児語彙理解難易度評価装置100は、上記(図4)したものである。語彙分類部610は、幼児語彙理解難易度評価装置100で計算された習得期間とα%習得日齢とを入力として、習得期間とα%習得日齢を、語彙iに対応させたベクトルとして構成し、習得期間とα%習得日齢の値に応じて語彙iを分類する(ステップS610)。
The infant vocabulary comprehension
α%を例えば50%とすると、αはガウス分布の平均を意味する。また、習得期間は、ガウス分布の分散(σ)に対応する値である。よって、幼児語彙分類装置600は、幼児語彙をいくつかのガウス分布に分類することもできる。
If α% is 50%, for example, α means the average of the Gaussian distribution. The acquisition period is a value corresponding to the variance (σ) of the Gaussian distribution. Therefore, the infant
分類するクラスタリング手法には、既存の各種の手法を用いることが可能である。幼児語彙分類装置600により、幼児語彙をいくつかのクラスタに分類することができるので、幼児の発達に合わせた学習単語のグループ分けを行うことができる。
Various existing methods can be used as the clustering method for classification. Since the infant
また、このようなクラスタリング手法を、発話、理解の両方のパラメータを同時に扱うようにしても良い。そうすることで、発話時と理解時の両方を同時に考慮した単語クラスタの分類を行うことも可能になる。 In addition, such a clustering method may handle both speech and understanding parameters at the same time. By doing so, it is also possible to classify word clusters considering both utterance and understanding at the same time.
上記装置における処理手段をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、各装置における処理手段がコンピュータ上で実現される。 When the processing means in the above apparatus is realized by a computer, the processing contents of the functions that each apparatus should have are described by a program. Then, by executing this program on the computer, the processing means in each apparatus is realized on the computer.
この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置、フレキシブルディスク、磁気テープ等を、光ディスクとして、DVD(Digital Versatile Disc)、DVD-RAM(Random Access Memory)、CD-ROM(Compact Disc Read Only Memory)、CD-R(Recordable)/RW(ReWritable)等を、光磁気記録媒体として、MO(Magneto Optical disc)等を、半導体メモリとしてEEP-ROM(Electronically Erasable and Programmable-Read Only Memory)等を用いることができる。 The program describing the processing contents can be recorded on a computer-readable recording medium. As the computer-readable recording medium, for example, any recording medium such as a magnetic recording device, an optical disk, a magneto-optical recording medium, and a semiconductor memory may be used. Specifically, for example, as a magnetic recording device, a hard disk device, a flexible disk, a magnetic tape or the like, and as an optical disk, a DVD (Digital Versatile Disc), a DVD-RAM (Random Access Memory), a CD-ROM (Compact Disc Read Only) Memory), CD-R (Recordable) / RW (ReWritable), etc., magneto-optical recording media, MO (Magneto Optical disc), etc., semiconductor memory, EEP-ROM (Electronically Erasable and Programmable-Read Only Memory), etc. Can be used.
また、このプログラムの流通は、例えば、そのプログラムを記録したDVD、CD-ROM等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記録装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。 This program is distributed by selling, transferring, or lending a portable recording medium such as a DVD or CD-ROM in which the program is recorded. Further, the program may be distributed by storing the program in a recording device of a server computer and transferring the program from the server computer to another computer via a network.
また、各手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。 Each means may be configured by executing a predetermined program on a computer, or at least a part of these processing contents may be realized by hardware.
本発明は、幼児を対象としたオーダーメード型教育の分野で利用することができる。 The present invention can be used in the field of customized education for young children.
Claims (11)
上記ロジスティック関数を用いて、α%習得日齢と当該α%よりも小さいβ%のβ%習得日齢とを求める習得日齢算出部と、
上記α%習得日齢と上記β%習得日齢を入力として、上記語彙iの習得期間を算出し、当該習得期間を語彙iの理解難易度として出力する習得期間算出部と、
を具備する幼児語彙理解難易度評価装置。 Logistic as input a plurality of infants vocabulary learning acquisition and learning time x i vocabulary i ratio in the process f (x i), the relationship between the learning time for each vocabulary i x i and the learning rate f (x i) A logistic function approximator approximating with a curve;
Using the above-mentioned logistic function, an acquisition day age calculating part for obtaining an α% acquisition day age and a β% acquisition day age of β% smaller than the α%,
A learning period calculation unit that calculates the learning period of the vocabulary i using the α% learning date and the β% learning date as inputs, and outputs the learning period as an understanding difficulty level of the vocabulary i;
An infant vocabulary comprehension difficulty evaluation device.
上記ロジスティック関数近似部は、
上記習得時期xiは、上記語彙iの理解時期xi、上記習得割合f′(xi)は累積理解割合f′(xi)として、理解語彙i毎にロジスティック曲線を描く次式の関数をモデル化し、
理解語彙パラメータai′,bi′,ci′を算出するロジスティック関数近似部であることを特徴とする幼児語彙理解難易度評価装置。 In the infant vocabulary comprehension difficulty evaluation apparatus according to claim 1,
The logistic function approximation part is
The learning time x i is the vocabulary i understood timing x i of, as the learning rate f '(x i) is the cumulative understood fraction f' (x i), a function of the following equation to draw a logistic curve for each understood vocabulary i Model
An infant vocabulary comprehension difficulty evaluation device, which is a logistic function approximating unit for calculating comprehension vocabulary parameters a i ′, b i ′, and c i ′.
上記ロジスティック関数近似部は、
上記習得時期xiは、上記語彙iの発話時期xi、上記習得割合f(xi)は累積発話割合f′(xi)として、発話語彙i毎にロジスティック曲線を描く次式の関数をモデル化し、
発話語彙パラメータai,bi,ciを算出するロジスティック関数近似部であることを特徴とする幼児語彙理解難易度評価装置。 In the infant vocabulary comprehension difficulty evaluation apparatus according to claim 1,
The logistic function approximation part is
The learning time x i is the utterance time x i of the vocabulary i, the learning rate f (x i ) is the cumulative utterance rate f ′ (x i ), and a function of the following equation is drawn for each utterance vocabulary i: Model,
An infant vocabulary comprehension difficulty evaluation device, which is a logistic function approximating unit for calculating utterance vocabulary parameters a i , b i and c i .
上記ロジスティック関数近似部は、
上記習得時期xiは、上記語彙iの理解時期xi、上記習得割合f′(xi)は累積理解割合f′(xi)として、理解語彙i毎にロジスティック曲線を描く次式の関数をモデル化し、
理解語彙パラメータai′,bi′,ci′を算出する理解語彙ロジスティック関数近似手段と、
上記理解語彙パラメータai′,bi′,ci′を保存する理解語彙パラメータ保存手段と、
上記習得時期xiは、上記語彙iの発話時期xi、上記習得割合f(xi)は累積発話割合f′(xi)として、発話語彙i毎にロジスティック曲線を描く次式の関数をモデル化し、
発話語彙パラメータai,bi,ciを算出するロジスティック関数近似手段と、
上記発話語彙パラメータai,bi,ciを保存する発話語彙パラメータ保存手段と、
を備え、
上記習得期間算出部は、
上記理解語彙パラメータ保存手段と上記発話語彙パラメータ保存手段に保存された両パラメータを入力として、理解語彙パラメータai′と発話語彙パラメータaiの大きさを比較した結果に基づいて、再近似した理解語彙パラメータai′,bi′,ci′又は保存された理解語彙パラメータai′,bi′,ci′のどちらかを用いてα%習得日齢とβ%習得日齢を計算するもの、
であることを特徴とする幼児語彙理解難易度評価装置。 In the infant vocabulary comprehension difficulty evaluation apparatus according to claim 1,
The logistic function approximation part is
The learning time x i is the vocabulary i understood timing x i of, as the learning rate f '(x i) is the cumulative understood fraction f' (x i), a function of the following equation to draw a logistic curve for each understood vocabulary i Model
Understanding vocabulary logistic function approximation means for calculating understanding vocabulary parameters a i ′, b i ′, c i ′;
Understanding vocabulary parameter storage means for storing the above understanding vocabulary parameters a i ′, b i ′, c i ′;
The learning time x i is the utterance time x i of the vocabulary i, the learning rate f (x i ) is the cumulative utterance rate f ′ (x i ), and a function of the following equation is drawn for each utterance vocabulary i: Model,
Logistic function approximation means for calculating utterance vocabulary parameters a i , b i , c i ;
Utterance vocabulary parameter storage means for storing the utterance vocabulary parameters a i , b i and c i ;
With
The acquisition period calculation unit
Based on the result of comparing the size of the understanding vocabulary parameter a i ′ and the utterance vocabulary parameter a i using both parameters stored in the understanding vocabulary parameter storage unit and the utterance vocabulary parameter storage unit as input Calculate α% acquisition day and β% acquisition day using either vocabulary parameters a i ′, b i ′, c i ′ or stored understanding vocabulary parameters a i ′, b i ′, c i ′ What to do,
Infant vocabulary comprehension difficulty evaluation device characterized by being.
当該語彙理解難易度評価装置が出力する上記語彙iの理解難易度と、外部から入力される検索条件とを比較することで、当該検索条件に合致する上記語彙iを検索する語彙検索部と、
を具備する幼児語彙検索装置。 An infant vocabulary comprehension difficulty evaluation device according to claim 2;
A vocabulary search unit that searches the vocabulary i that matches the search condition by comparing the comprehension difficulty of the vocabulary i output from the vocabulary understanding difficulty evaluation device with a search condition input from the outside;
An infant vocabulary search device comprising:
当該語彙理解難易度評価装置で計算された上記習得期間と上記α%習得日齢とを入力として、上記習得期間と上記α%習得日齢を、上記語彙iに対応させたベクトルとして構成し、上記理解難易度と上記α%習得日齢の値に応じて上記語彙iを分類する語彙分類部と、
を具備する幼児語彙分類装置。 The infant vocabulary comprehension difficulty evaluation device according to claim 1,
The learning period and the α% acquisition date calculated by the vocabulary understanding difficulty evaluation device are input, and the acquisition period and the α% acquisition date are configured as a vector corresponding to the vocabulary i, A vocabulary classification unit that classifies the vocabulary i according to the level of difficulty of understanding and the value of the α% acquisition date;
An infant vocabulary classification device comprising:
上記ロジスティック関数を用いて、α%習得日齢と当該α%よりも小さいβ%のβ%習得日齢とを求める習得日齢算出過程と、
上記α%習得日齢と上記β%習得日齢を入力として、上記語彙iの習得期間を算出し、当該習得期間を語彙iの理解難易度として出力する習得期間算出過程と、
を備える幼児語彙理解難易度評価方法。 Logistic as input a plurality of infants vocabulary learning acquisition and learning time x i vocabulary i ratio in the process f (x i), the relationship between the learning time for each vocabulary i x i and the learning rate f (x i) Logistic function approximation process that approximates with a curve,
Using the above-mentioned logistic function, an acquisition date calculation process for obtaining an α% acquisition day age and a β% acquisition day age of β% smaller than the α%,
The learning period calculation process of calculating the learning period of the vocabulary i using the α% learning date and the β% learning date as input, and outputting the learning period as an understanding difficulty level of the vocabulary i;
Infant vocabulary comprehension difficulty evaluation method.
上記ロジスティック関数近似過程は、
上記習得時期xiは、上記語彙iの理解時期xi、上記習得割合f′(xi)は累積理解割合f′(xi)として、理解語彙i毎にロジスティック曲線を描く次式の関数をモデル化し、
理解語彙パラメータai′,bi′,ci′を算出するロジスティック関数近似過程であることを特徴とする幼児語彙理解難易度評価方法。 In the infant vocabulary comprehension difficulty evaluation method according to claim 7,
The logistic function approximation process is
The learning time x i is the vocabulary i understood timing x i of, as the learning rate f '(x i) is the cumulative understood fraction f' (x i), a function of the following equation to draw a logistic curve for each understood vocabulary i Model
An infant vocabulary comprehension difficulty evaluation method, which is a logistic function approximation process for calculating comprehension vocabulary parameters a i ′, b i ′, and c i ′.
当該語彙理解難易度評価装置が出力する上記語彙iの理解難易度と、外部から入力される検索条件とを比較することで、当該検索条件に合致する上記語彙iを検索する語彙検索過程と、
を備える幼児語彙検索方法。 A method for evaluating the difficulty level of understanding the infant vocabulary according to claim 8,
A vocabulary search process for searching for the vocabulary i that matches the search condition by comparing the understanding difficulty level of the vocabulary i output from the vocabulary understanding difficulty evaluation device with a search condition input from the outside;
An infant vocabulary search method comprising:
当該語彙理解難易度評価方法で計算された上記習得期間と上記α%習得日齢とを入力として、上記習得期間と上記α%習得日齢を、上記語彙iに対応させたベクトルとして構成し、上記理解難易度と上記α%習得日齢の値に応じて上記語彙iを分類する語彙分類過程と、
を備える幼児語彙分類方法。 The infant vocabulary comprehension difficulty evaluation method according to claim 7,
The learning period calculated by the vocabulary understanding difficulty evaluation method and the α% acquisition date are input, and the acquisition period and the α% acquisition date are configured as a vector corresponding to the vocabulary i. A vocabulary classification process for classifying the vocabulary i according to the degree of understanding difficulty and the value of the α% acquisition date;
An infant vocabulary classification method comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013024274A JP5925140B2 (en) | 2013-02-12 | 2013-02-12 | Infant vocabulary comprehension difficulty assessment device, infant vocabulary search device, infant vocabulary classification device, methods and programs thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013024274A JP5925140B2 (en) | 2013-02-12 | 2013-02-12 | Infant vocabulary comprehension difficulty assessment device, infant vocabulary search device, infant vocabulary classification device, methods and programs thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014153601A true JP2014153601A (en) | 2014-08-25 |
JP5925140B2 JP5925140B2 (en) | 2016-05-25 |
Family
ID=51575504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013024274A Active JP5925140B2 (en) | 2013-02-12 | 2013-02-12 | Infant vocabulary comprehension difficulty assessment device, infant vocabulary search device, infant vocabulary classification device, methods and programs thereof |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5925140B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016114898A (en) * | 2014-12-17 | 2016-06-23 | 日本電信電話株式会社 | Word presentation device, method, and program |
JP2016118598A (en) * | 2014-12-19 | 2016-06-30 | 日本電信電話株式会社 | Word presentation device, calculation device, and method and program thereof |
JP2018067017A (en) * | 2018-01-19 | 2018-04-26 | 日本電信電話株式会社 | Calculation device, method, and program |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009217348A (en) * | 2008-03-07 | 2009-09-24 | Kddi Corp | Re-learning method for support vector machine |
JP2011018155A (en) * | 2009-07-08 | 2011-01-27 | Nippon Telegr & Teleph Corp <Ntt> | Method, device and program for creating infant vocabulary development database |
JP2012196254A (en) * | 2011-03-18 | 2012-10-18 | Nippon Telegr & Teleph Corp <Ntt> | Vocabulary spurt timing detecting device, method, and program |
JP2012200357A (en) * | 2011-03-24 | 2012-10-22 | Nippon Telegr & Teleph Corp <Ntt> | Vocabulary burst time estimation device, method and program |
-
2013
- 2013-02-12 JP JP2013024274A patent/JP5925140B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009217348A (en) * | 2008-03-07 | 2009-09-24 | Kddi Corp | Re-learning method for support vector machine |
JP2011018155A (en) * | 2009-07-08 | 2011-01-27 | Nippon Telegr & Teleph Corp <Ntt> | Method, device and program for creating infant vocabulary development database |
JP2012196254A (en) * | 2011-03-18 | 2012-10-18 | Nippon Telegr & Teleph Corp <Ntt> | Vocabulary spurt timing detecting device, method, and program |
JP2012200357A (en) * | 2011-03-24 | 2012-10-22 | Nippon Telegr & Teleph Corp <Ntt> | Vocabulary burst time estimation device, method and program |
Non-Patent Citations (1)
Title |
---|
JPN6015010668; 森藤 大地: 'データ駆動学習仮説に基づく統語知識獲得モデル' 電子情報通信学会技術研究報告 Vol.104 No.139, 20040617, p7-12, 社団法人電子情報通信学会 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016114898A (en) * | 2014-12-17 | 2016-06-23 | 日本電信電話株式会社 | Word presentation device, method, and program |
JP2016118598A (en) * | 2014-12-19 | 2016-06-30 | 日本電信電話株式会社 | Word presentation device, calculation device, and method and program thereof |
JP2018067017A (en) * | 2018-01-19 | 2018-04-26 | 日本電信電話株式会社 | Calculation device, method, and program |
Also Published As
Publication number | Publication date |
---|---|
JP5925140B2 (en) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10839335B2 (en) | Call center agent performance scoring and sentiment analytics | |
Lee et al. | Emotion recognition using a hierarchical binary decision tree approach | |
US12001465B2 (en) | Response selecting apparatus, response selecting method, and response selecting program | |
US10049148B1 (en) | Enhanced text clustering based on topic clusters | |
US9652991B2 (en) | Systems and methods for content scoring of spoken responses | |
US9224383B2 (en) | Unsupervised language model adaptation for automated speech scoring | |
JP2007256342A (en) | Clustering system, clustering method, clustering program and attribute estimation system using clustering program and clustering system | |
WO2021166207A1 (en) | Recognition device, learning device, method for same, and program | |
JP5925140B2 (en) | Infant vocabulary comprehension difficulty assessment device, infant vocabulary search device, infant vocabulary classification device, methods and programs thereof | |
JP7013329B2 (en) | Learning equipment, learning methods and learning programs | |
JP6983729B2 (en) | Extractor, evaluation device, extraction method and extraction program | |
JP6992725B2 (en) | Para-language information estimation device, para-language information estimation method, and program | |
Karpagam et al. | Deep learning approaches for answer selection in question answering system for conversation agents | |
US20210089723A1 (en) | Response selecting apparatus, model learning apparatus, response selecting method, model learning method, and program | |
JP5806642B2 (en) | Infant word search device, method and program thereof | |
JP7044642B2 (en) | Evaluation device, evaluation method and evaluation program | |
JP7013331B2 (en) | Extractor, extraction method and extraction program | |
JP7057229B2 (en) | Evaluation device, evaluation method and evaluation program | |
Stoica et al. | The impact of Romanian diacritics on intent detection and slot filling | |
JP5726821B2 (en) | Infant vocabulary understanding time estimation device, method and program | |
JP7042701B2 (en) | Evaluation device, evaluation method and evaluation program | |
JP7013332B2 (en) | Learning equipment, learning methods and learning programs | |
López-Cózar | Automatic creation of scenarios for evaluating spoken dialogue systems via user-simulation | |
Nothdurft et al. | Application of verbal intelligence in dialog systems for multimodal interaction | |
JP2019215830A (en) | Evaluation device, evaluation method, and evaluation program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160217 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160304 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160412 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5925140 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |