Общественная дискурсная корпорация (PDC): Спикер-присвоенный набор данных для Valence и Epistemic Modality с участием целевого спикера
arXiv: 2609.20232v1 Annuate Type: New Humber Abstract: Мы введем текст f {Public Discude Corpus (PDC)} — первый набор данных из интервью с общественностью, совместно аннотированный для аффективной валентности и эпистемичной формы. В сборнике содержится 998 видео с 100 ораторов по семи профессиональным областям, в результате чего после сегментации и фильтрации предложений было вынесено 186 642 предложения (3,1 млн. слов). Чтобы обеспечить, чтобы все сохраненные видео содержали поддающуюся разглашению речь от назначенного оратора, мы введем текст bf {Target Speaking Participation (TSP)} —- - пятикатегорийную таксономию с документально подтвержденной надежностью между аннулаторами ($kappa = 0,616 долл. США), -- как ключевой методологический вклад, который любой проект по созданию корпусов может принять. Вечеринка для зрителей отделяется от интервьюера и речи третьих сторон через Textbf {audio-first diarization proveloping}, сочетая местное Whisper ASR с размножением пьяннотных речей. Мы выпускаем аннотированный корпус,
