AI-Hub

데이터 변경이력

데이터 히스토리

소개

ㅇ인공지능 요약 서비스와 오탈자 교정 서비스 위한 전문분야 심층인터뷰 음성인식 데이터 확보
ㅇ데이터 기반 지능화 혁신서비스 확산, AI서비스 창출을 위한 유효성, 활용성 검증된 학습 데이터 모델 구축
ㅇ전문분야 심층인터뷰 데이터, 15개 이상 분류의 2,000시간 구축

구축목적

전문분야 심층인터뷰 데이터를 바탕으로 전문용어의 자동스크립트, 인터뷰 내용의 요약문장 서비스, 포커스 그룹 인터뷰(FGL)의 감정 분석 서비스 확장
ㅇ데이터 셋 구축 및 활용 서비스 공개를 통한 좌담회 또는 청문회 해설 플랫폼, 인공지능 스크립트 플랫폼 등 관련 분야 산업 발전

데이터 구축 규모

데이터 분포

 ▪ 도메인 분포 : 역사/고고학, 언어/문학, 경제/경영, 사회/인류/복지/여성, 교육, 자연과학, 생물학, 환경, 정보/통신, 컴퓨터학, 예방의학/직업환경의학, 보건의료기타, 문화/예술/체육, 농림수산식품, 물리학 총 15종
 ▪ 화자 규모 : 최소 2인 이상
 ▪ 남녀 성비 : 남, 여
 ▪ 연령대 : 10대, 20대, 30대, 40대, 50대, 60대 이상
 ▪ 방영 시기 : 2018, 2019, 2020, 2021, 2022
 ▪ 방송 매체 분포 : 인터뷰, 유튜브, 방송
 ▪ 어절 수 : 5어절 단위 
 ▪ 요약문 어절 수 : 5어절 단위

▪다양성(요건) : 도메인 분포

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

모델학습
본 사업에서 구축한 데이터가 음성 인식과 오탈자 교정, 요약 생성 모델에 활용할 수 있기에 각 모델별 적절한 학습, 검증, 시험 데이터셋을 준비하는 것을 제안함

서비스 활용 시나리오
구축한 모델은 영상 자막이나 회의 요약 및 번역 등에 활용할 수 있으며, 코퍼스 연구에 활용할 수 있음
● 영상 자막 서비스 활용
● 회의 요약 및 번역 서비스 활용
● 코퍼스 연구 활용
▷ 음성 연구의 경우 음성 인식 및 합성 등에 활용할 수 있음
▷ 언어 연구의 경우 오탈자 탐지 및 교정, 요약문 생성 등 자연어 처리, 언어 지능 연구에 활용할 수 있음
 

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 데이터 설명

2. json 형식

{
"metadata": {
    "title": "REKM220009",
    "creator": "솔트룩스",
    "distributor": "솔트룩스",
    "year": "2022",
    "date": "20221027",
    "media": "인터뷰",
    "program_name": null,
    "category": "예방의학/직업환경의학",
    "sub_category": "예방의학/직업환경의학",
    "speaker_num": 2
},
"speaker": [
    {
        "id": "1",
        "sex": "여성",
        "age": "30대",
        "role": "질문자",
        "occupation": null,
        "degree": null
    },
    {
        "id": "2",
        "sex": "여성",
        "age": "30대",
        "role": "응답자",
        "occupation": "연구교수",
        "degree": "박사"
    }
],
"utterance": [
    {
        "id": "REKM220009.1",
        "speaker_id": "1",
        "start": 0.0,
        "end": 6.733,
        "form": "어~ 전반부 인터뷰에 이어서 질문을 드리려고 하는데요.",
        "original_form": "어~ 전반부 인터뷰에 이어서 질문을 드리려고 하는데요.",
        "hangeulToEnglish": null,
        "hangeulToNumber": null,
        "term": null,
        "QA": null
    },

3. 데이터 구성

4. 어노테이션 포맷

5. 실제 json 예시

{
"id": "REOV220045.41",
"speaker_id": "1",
"start": 221.972,
"end": 241.664,
"form": "그니까 이제 올리는 방식도 다르고 여행을 (@우주여행)/(#宇宙旅行)을 (@우주)/(#宇宙)를 뭘로 규정하고 여행을 뭘로 규정하는지에 따라서 조금씩 다른 게 있는데 지금 이제 회사 같은 경우에는 @상호명2 같은 경우에는 아 우리는 이런 정도의 전략으로 가면 좋겠다라고 대략 생각하시는 그림이나 그런 게 있을까요?",
"original_form": "그니까 이제 올리는 방식도 다르고 여행을 우주여행을 우주를 뭘로 규정하고 여행을 뭘로 규정하는지에 따라서 조금씩 다른 게 있는데 지금 이제 회사 같은 경우에는 &company-name2& 같은 경우에는 아 우리는 이런 정도의 전략으로 가면 좋겠다라고 대략 생각하시는 그림이나 그런 게 있을까요?",
"hangeulToEnglish": null,
"hangeulToNumber": null,
"term": [
    {
        "id": 1,
        "word": "우주여행",
        "originalLanguage": "宇宙旅行",
        "etymology": null,
        "allomorph": null
    },
    {
        "id": 2,
        "word": "우주",
        "originalLanguage": "宇宙",
        "etymology": null,
        "allomorph": null
    }
    ],
    "QA": {
        "question_id": "6",
        "answer_id": null
    }
},
{
"id": "REOV220045.42",
"speaker_id": "2",
"start": 241.664,
"end": 245.923,
"form": "아~ 저 여행 자체에 대해서는 생각 안 해봤네요.",
"original_form": "아~ 저 여행 자체에 대해서는 생각 안 해봤네요.",
"hangeulToEnglish": null,
"hangeulToNumber": null,
"term": null,
    "QA": {
        "question_id": null,
        "answer_id": "6"
    }
},
{
"id": "REOV220045.43",
"speaker_id": "2",
"start": 245.923,
"end": 254.852,
"form": "다만 그~ 아 일단 저는 이제 풍선 타고 올라가는 게 음~ 술 마시긴 좋을 것 같애요.",
"original_form": "다만 그~ 아 일단 저는 이제 풍선 타고 올라가는 게 음~ 술 마시긴 좋을 것 같애요.",
"hangeulToEnglish": null,
"hangeulToNumber": null,
"term": null,
    "QA": {
        "question_id": null,
        "answer_id": "6"
    }
 

데이터셋 구축 담당자

수행기관(주관) : ㈜솔트룩스

수행기관(참여)

데이터 관련 문의처