umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Extracting Primary Objects and Spatial Relations from Sentences
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Intelligent Robotics)
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Intelligent Robotics)
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Intelligent Robotics)
2019 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In verbal human-robot interaction natural language utterances have to be grounded in visual scenes by the robot. Visual language grounding is a challenging task that includes identifying a primary object among several objects, together with the object properties and spatial relations among the objects. In this paper we focus on extracting this information from sentences only. We propose two language modelling techniques, one uses regular expressions and the other one utilizes Euclidian distance. We compare these two proposed techniques with two other techniques that utilize tree structures, namely an extended Hobb’s algorithm and an algorithm that utilizes a Stanford parse tree. A comparative analysis between all language modelling techniques shows that our proposed two approaches require less computational time than the tree-based approaches. All approaches perform good identifying the primary object and its property, but for spatial relation extraction the Stanford parse tree algorithm performs better than the other language modelling techniques. Time elapsed for the Stanford parse tree algorithm is higher than for the other techniques.

Ort, förlag, år, upplaga, sidor
2019.
Nyckelord [en]
Natural Language Grounding, Spatial Relation Extraction, Hobb’s Algorithm, Human-robot Interaction, NLTK, Google Speech, Stanford Parser
Nationell ämneskategori
Robotteknik och automation
Identifikatorer
URN: urn:nbn:se:umu:diva-157635OAI: oai:DiVA.org:umu-157635DiVA, id: diva2:1299305
Konferens
11th International Conference on Agents and Artificial Intelligence, Prague, Czech Republic, 19-21 February 2019.
Tillgänglig från: 2019-03-26 Skapad: 2019-03-26 Senast uppdaterad: 2019-03-29Bibliografiskt granskad

Open Access i DiVA

fulltext(676 kB)74 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 676 kBChecksumma
Typ fulltextMimetyp application/pdf

Övriga länkar

URL

Personposter BETA

Baranwal, NehaSingh, AvinashBensch, Suna

Sök vidare i DiVA

Av författaren/redaktören
Baranwal, NehaSingh, AvinashBensch, Suna
Av organisationen
Institutionen för datavetenskap
Robotteknik och automation

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 74 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 326 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf