Datasets

• CHILDES datasets: https://talkbank.org/childes/ (여기서 회원 가입)
• ENNI: https://talkbank.org/childes/access/Clinical-Eng/ENNI.html
• Gillam: https://talkbank.org/childes/access/Clinical-Eng/Gillam.html

학번이 짝수인 사람은 ENNI, 홀수인 사람은 Gillam

Split

데이터셋은 train/validation/test로 8:1:1 비율로 stratified split

ENNI

• Stratification 기준: group (SLI/TD)와 sub_group (A/B)
• 각 그룹 조합(SLI-A, SLI-B, TD-A, TD-B) 내에서 비율을 유지하며 분할
• split_enni.py 실행
• 결과 split/ENNI_train.csv, split/ENNI_dev.csv, split/ENNI_test.csv

Gillam

• Stratification 기준: group (SLI/TD)와 age (5-11세)
• 각 그룹-나이 조합 내에서 비율을 유지하며 분할
• SLI 그룹의 11세 샘플이 부족하여 SLI-10으로 매핑하여 처리
• split_gillam.py 실행
• 결과: split/gillam_train.csv, split/gillam_dev.csv, split/gillam_test.csv

Helper functions ('utils.py') 사용법

count_utterance_by_speaker

utils.count_utterance_by_speaker("path/to/file.cha") 를 호출하면 화자를 키로, 발화 수를 값으로 갖는 dict 를 돌려줍니다. 기본적인 사용 예시는 다음과 같습니다.

from utils import count_utterance_by_speaker

count_utterance = count_utterance_by_speaker("ENNI/SLI/A/413.cha")
print(count_utterance)  # {'CHI': 124, 'EXA': 103, ...}

extract_utterances

특정 화자들의 발화를 순서대로 가져오고 싶으면 utils.extract_utterances("file.cha", ["CHI", "EXA"]) 를 사용합니다. 반환값은 Utterance(order, speaker, text, clean_text) dataclass 리스트입니다.

from utils import extract_utterances

utterances = extract_utterances("ENNI/SLI/A/413.cha", ["CHI", "EXA"])
for utt in utterances[:3]:
    print(utt.order, utt.speaker, utt.clean_text)

.cha 파일 읽는 예

python read_cha.py

📊 발화 분포: {'CHI': 72, 'EXA': 22}

📊 94개 발화 추출

1. EXA: okay Firstname .
2. EXA: look at these pictures and tell me what's happening .
3. CHI: I shopping .
4. CHI: and get cookie .
5. CHI: get . one cookie .
6. CHI: and fall off .
7. CHI: and then angry .
8. EXA: and ?
9. CHI: all done.
10. EXA: so .

Goal

아동의 발화 텍스트를 기반으로 언어 발달 그룹을 예측하는 이진 분류(binary classification) 수행

• 입력: .cha 파일
• 출력: group 예측
  • SLI (Specific Language Impairment): 특정 언어 장애를 가진 아동
  • TD (Typically Developing): 정상적으로 언어 발달을 하는 아동

수행 방법

split/ 폴더 아래에 제공된 train/dev/test split 파일들을 사용:

• Hyperparameter Tuning: split/*_train.csv와 split/*_dev.csv를 사용하여 모델의 하이퍼파라미터를 튜닝
• Test Evaluation: 최종 모델 성능 평가는 split/*_test.csv를 사용하여 수행