Improving Speech Act Annotation Based on Human-AI Model Agreement

youngsook song; Cho Won Ik

Improving Speech Act Annotation Based on Human-AI Model Agreement

Recommendations

Search

사람과 AI 모델 간의 화행 주석 개선 방향 연구

Type: Academic journal

Author: youngsook song (경희대학교) Cho Won Ik (서울대학교)

Journal: The Society for Korean Language & Literary Research 어문연구(語文硏究) 어문연구(語文硏究) 제52권 제1호 KCI Accredited Journals

Published: 2024.3

Pages: 71 - 92 (22page)

Usage

Improving Speech Act Annotation Based on Human-AI Model Agreement

Abstract· Keywords

Report Errors

In this study, we aim at improving the quality of speech act annotation by identifying and analyzing the annotation agreement between humans and the GPT-4 model to identify the categories of speech acts that the GPT-4 model frequently misclassifies. For this purpose, we selected a total of 33,138 sentences from the National Institute of Korean Language’s Messenger corpus (2022). The annotation was performed by human annotators and the GPT-4 model, and the classification accuracy was evaluated using the RoBERTa model. The accuracy score for the human-annotated messenger corpus is 85.50, while the accuracy score for the cases where both humans and the GPT-4 model annotated identically is 96.32. In particular, the category of speech acts that the GPT-4 model most frequently misclassifies is “sarcasm/humor.” This is likely due to highly frequent expressions such as “ㅋㅋㅋ ” (lol) in the messenger corpus, which causes the model to incorrectly analyze even “Statement” as “sarcasm/humor.” For example, even when a human annotator classified the utterance “I have snacks and ramen. ㅋㅋㅋ” as “Statement”, the GPT-4 model misclassified it as “sarcasm/humor.” In an experiment conducted using only the sentences where the model and human annotators agreed, the accuracy score reached 95.32. Instead of merely discussing annotator agreement for newly proposed corpora, it is necessary to distinguish speech acts that are difficult to annotate from those that are relatively easy. Furthermore, within these categories, it is essential to select sentences that are challenging to automatically annotate and conduct research focused on more challenging areas.

#화행 분류 #화행 주석 #메신저 말뭉치 #주석 일치도 #GPT-4 #RoBERTa #speech act classification #speech act annotation #messenger corpus #inter-Annotator Agreement #GPT-4 #RoBERTa

No content found

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Recently viewed articles

Comments(0)