口语对话中话轮管理线索的跨语言研究

基于摘要分析。这项学位论文研究口语对话中哪些线索有助于判断说话者将继续发言还是交出话轮，结合跨语言声学分析、基于 EEG 的机器学习分类及整段对话的离线话轮转换标注，探索自然对话管理的分析方法。 研究使用在相同实验设计下采集的三个数据集，分别涉及美式英语、斯洛伐克语和阿根廷西班牙语，并采用数据可视化与机器学习比较话轮管理线索。作者报告，三种语言虽属于不同语系，但在话轮管理中对一组声学—韵律特征的总体使用具有共性。作者认为，语速、短语末词延长、末尾 200 ms 的音高、末尾 1000 ms 的强度，以及与嗓音质量相关的 noise-to-harmonic ratio，可能有助于改进口语对话系统的话轮管理模块；摘要未给出相应的准确率提升或对照结果。 EEG 部分以参与者信号中提取的属性为输入，通过机器学习自动分类话轮转换类型。作者报告，听话者 EEG 包含可用于预测当前说话者在短暂停顿后继续还是停止发言的信息；说话者自身的 EEG 也包含可用于识别其是否保留话轮的信息。这是对自然对话中神经信号信息价值的探索，不能据此认定已实现实时 BCI 或验证了实际交互收益。 研究还使用双向循环神经网络等工具，探索对完整会话录音进行离线话轮转换标注的可行性。这一离线任务应与 EEG 预测任务区分，摘要不足以确认二者的输入、模型及评估是否相同。 被试数量、EEG 采集与预处理、特征定义、预测时间窗、被试内或跨被试划分、跨语言泛化、对照基线及定量指标尚未验证；实验协议、消融及统计信息也需全文核对。尤其需要确认预测时可用的信息范围，以及 EEG 相对于声学线索的增量价值。