9/23(火)

6時起床．きょうは発表があるので，気合いが入る．受付もあるので，8時すぎに会場に行くつもりで，7時ちょっと前に出発．ホテルの地下にあるレストランで朝食．

坂を下って街に降り，会場までは歩いて30分ほど．

まだ受付が始まってなかったので，そのへんに座って，ICASSP投稿予定の2本目の論文を書いたり．

8時すぎに受付．今回のカンファレンスバッグは，わりとシンプルなトートバッグ．使いでがありそうだ．なぜかUSBメモリがおみやげに付いてきている． AIMのときと違い，USBメモリの中にプロシーディングが入っているわけではなかった．

8時半からオープニングセレモニー．余興としてアボリジニのダンスがある．

あいさつの後，功労賞の表彰式．藤崎先生のほか，Steve YoungとかMari Ostendorf などが受賞していた．

その後，(プログラムにあったのかどうかわからないが)オーストラリアの言語状況とかについてのお話がある．アボリジニの言語群の話者が原住民系オーストラリア人の12%だとか，オーストラリア英語の3つのタイプ(Standard, Ethnocultural, Indigenous)とか．

10時からKeynote．藤崎先生による，これまでの研究の総括的発表．今後の展開の話をしたかったように見えたが，藤崎モデルの話が長くて，講演時間におさまりきらなかった様子．

その後，昼食．咸さんと，宇都宮大の森先生といっしょに，近くのレストランへ．割と空いていると思ったら，結構高かった．写真の肉入りサラダで15ドル．ぼったくりかとも思ったが，どこのレストランもこんな感じらしい．

昼休みは1時間半あるのだが，料理が来るのが遅くて，割と時間ぎりぎりになった．私はその場にお金だけ置いて，会計は残った2人にまかせ，会場に戻る．

1時半から3時半までポスターセッション．今回は，目黒さんのタスク関連単語識別の話．まわりのポスターと比べるとちょっと寂しい感じだったが，それでも結構お客さんが来てくれた．2時間フルに説明する．

午後後半は，ポスターセッションを中心に回る．以下はメモから．

Spoken Language Systems II

Statistical Shared Plan-Based Dialog Management (AT&T Lab.)
対話におけるDialog Act と Subtask の予測モデル．MaxEntを利用．いろいろ試していたが，Staticな特徴で十分だ(それ以上やっても性能が上がらない)とのこと．
When Calls Go Wrong: How to Detect Problematic Calls Based on Log-Files and Emotions? (Czeck Technical University at Prague)
自動電話受けつけシステムで，ヤバい電話を自動的にオペレータにつなぐための研究．電話音声の感情識別に基づく．
Unsupervised Learning of Edit Parameters for Matching Name Variants (UCB)
名前の綴りのバリエーションや誤りを自動的に同定する．名前そのものの類似度だけでなく，その文脈が似ているかどうかも利用する．
Automatic Customer Feedback Processing: Alarm Detection in Open Question Spoken Messages (ＬＩＡ）
お客様サービスにコールバックしてきた客が返した評価結果(？)を元に，どの客を急いで処理しなければならないかの順位づけをする．客が評価するというのがよくわからなかった．それにしてもアメリカの電話カスタマーサービスはひたすら待たされるからね．動機はわからないでもない．
User Study of the Bayesian Update of Dialogue State Approach to Dialogue Management (ケンブリッジ)
現在の対話状態を確率的に決定・更新するらしい(Bayesian Update of Dialog State)．部分観測マルコフ決定プロセス (Partially Observablie Markov Decision Process, POMDP)というのを使うらしい．
SPRAAK: An Open Source “SPeech Recognition and Automatic Annotation Kit” (Universiteit Leuven)
SPRAAKという新しい音声認識ツールキットの紹介．
Automatic Speech Recognition for Scientific Purposes ― webASR (University of Sheffield)
Webベースの音声認識．w3voiceみたいなもんだろうか．

Perception, Production, Discourse and Dialog

Exploring the Uncanny Valley Effect with Talking Heads (University of Western Sydney)
話していたのは日本人学生．いわゆる「不気味の谷」についての研究．人間の顔の3Dスキャンと，それをモーフィングで大魔王シャザーンみたいにしたやつで親密度がどう変わるかを調べた．顔と声を変えて実験したら，「自然性」は顔の自然性によって決まるが，「好ましさ」は顔によっては変わらず，声の質に依存するという結果．「自然な顔」と「不自然な顔」のどちらもキモかったせいではないかと思うのだが．
How Do the Elderly Talk to a Natural Language Call Routing System? (Telenor Research & Innovation,)
自動 Call Routing に対する反応が若者と高齢者ではどう違うかという研究．高齢者の方が話が長く，古くさい言い回しが多いとのこと．言い回しは年齢ではなくて文化の違いじゃないのだろうか．

午後後半のセッションが終わって，Welcome Receptionがあるのだが，私はICASSPの論文を書くのでReceptionはスキップすることに．咸さんはレセプションに出るので，一人で途中の7-11に寄ってカップ麺とかヨーグルトを買う．宿に戻り，カップ麺をすすりつつ論文の最終調整．

おかげで夜10時ごろには論文の作業が終わり，英文校正業者にメールで校正を依頼して一段落．夜中まで咸さんがなかなか帰ってこないのでちょっと心配したが，NTTとかの人たちといっしょに飲んでいたらしい．よかった．

夜11時半ごろ寝る．

前の日へ目次へ次の日へ