• 경상도 방언 AI 학습데이터 구축 목적은 4차 산업혁명의 핵심 기술인 AI 기술의 주도적인 발전을 위하여, 대량의 AI 학습 데이터가 필요함, 인공지능 기반의 언어모델 개발은 표준어 데이터셋을 기반으로 개발이 되고 있으나 다양한 지역민과 연령의 구분없는 언어의 소통 학습을 위하여 지역 방언 중심의 AI 데이터셋을 구축하고 활용 할 수 있는 기반을 마련하는 것을 목적으로 함. 

• 경상도 방언 AI 학습 데이터는 언어 데이터의 특성 상 광법위한 산업군에서의 활용이 가능하며 인공지능 음성인식 플랫폼, 인공지능 대화 플랫폼 등에 주로 사용이 가능하며 관련된 제품 AI 스피커, 자율주행 차량, AI 기술 적용 가전제품등의 음성인식 기술이 적용되는 다양한 제품에 활용 가능.

• 경상도 방언을 사용하는 10대~60대의 일상 대화를 수집하여, 수집된 음성을 문자로 실시간 변환하고, 인공지능 학습이 가능한 JSON 형태의 학습 데이터 셋을 구축

• 조용한 환경에서 경상도 지역 2000명 이상의 10대 ~ 60대 의 연령별 화자가 발화한 3000 시간 이상의 음성 데이터와 맵핑 된 담화 텍스트 말뭉치 
• 원본 방언 텍스트 및 방언에 대응하는 표준어 대응쌍을 포함하여 전사한 50 만건 이상 어절 데이터 셋 
• 위의 내용이 메타 정보와 데이터화 되어 구성된 JSON 포맷의 학습 데이터 파일

• 경상도 방언 AI 학습 데이터는 메타정보에 데이터의 통합정보와 비식별화 된 화자의 속성정보를 포함하여 데이터의 활용성을 향상 

   

  
• 경상도 방언 AI 학습 데이터 구축을 위하여 수집한 방언을 일차적으로 지역적 방언의 특성을 살려 방언을 전사하고 표준에 규정에서 벗어나는 방언에 해당하는 부분에 대한 표준어 대응쌍을 제시하는 형태로 전사

   

  대표도면 표

  지역	보기
  경상	어제 어디 (갔었노?)/(갔었니?) 미역 (쭐거리)/(줄기) (단디)/(단단히)

• 다양한 공공 데이터들이 오픈되어 있지만, 언어 학습에 대한 데이터는 충분하지 않으며 표준어 중심의 데이터로 한정되어 있어 지역 방언을 중심으로 하는 다양한 형태의 데이터 셋 구축 필요 
• 방언을 주로 사용하는 고연령층의 정보 취약 계층을 위한 활용 가능한 한국어 방언 AI 학습 데이터 셋 구축 필요  
• 인공지능 디지털 휴먼 및 음성 챗봇(콜봇) 등에 활용 가능한 지역민들의 언어소통 및 심층 질의응답과 관련된 고도화 된 AI 서비스용 학습데이터 구축 필요

• 데이터 구조 및 어노테이션 포맷

  데이터 Naming 표

  단계	수준 1	수준 2	수준 3	타입	필수값 여부	설명
  획득, 정제	id			string	Y	AI 학습데이터 파일 아이디 (수동부여)
  	meta data			object		AI 학습데이터 파일 메타 정보
  		title		string	Y	AI 학습데이터 파일 제목
  		creator		string	Y	구축자: 솔트룩스
  		distributor		string		배포자: 솔트룩스
  		year		string	Y	구축년도: 2020
  		category		string		분류: 구어 > 사적 대화 > 일상 대화
  		annotation_level		string		분석 층위: 원시
  		sampling		string		샘플링 방식: 본문 전체
  		author		string		저작권자: 개인 발화자
  		publisher		string		발행자: 개인 발화 녹음
  		date		string	Y	녹음일자: YYYYMMDD
  		topic		string	Y	대화 주제
  	speaker			array(object)		화자 정보
  		id		string	Y	화자 아이디
  		name		string		이름
  		age		string	Y	연령
  		occupation		string	Y	직업
  		sex		string	Y	성별
  		birthplace		string	Y	출생지
  		principal_residence		string	Y	주 성장지
  		current_residence		string	Y	현 거주지
  		education		string	Y	학력
  	setting			object		환경 정보
  		relation		string	Y	화자 간 관계
  가공	utterance			array(object)		발화 정보
  		id		string	Y	발화 아이디
  		form		string		방언 전사
  		standard_form		string		표준어 대응쌍 부착
  		dialect_form		string		방언 문장
  		speaker_id		string		화자 아이디
  		start		num	Y	발화 시작 시간 (소수점 2자리까지)
  		end		num	Y	발화 종료 시간 (소수점 2자리까지)
  		note		string		전사자 기타 메모
  		eojeolList		array(object)		방언 어절 단위 정보
  			id	num	Y
  			eojeol	string		방언 어절
  			standard	string		표준어 어절
  			isDialect	boolean		방언 어절 여부

   

• 실제 데이터의 구성 예시

   

  

수행기관(주관)

수행기관(참여)