-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-08 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-29 산출물 전체 공개 소개
□ 표현형 주소 발화를 포함한 스크립트 기반 대화 음성 데이터 세트 □ 주소 음성 인식 성능 개선을 위한 표현형 주소 데이터 세트 및 음성인식 AI모델 개발 □ 총 500,000 건의 주소 음성 데이터 및 주소 동의어 DB 1,000 건 구축
구축목적
□ 전국 주소 비율과 도심 밀집도에 따라 전국 편향이 최소화 될 수 있도록 데이터를 설계해 다양한 산업군에서 폭넓게 활용할 수 있는 데이터를 구축하는 목적 □ 주소 라벨 프린터 우편. 편의점, 홈쇼핑 및 콜센터, 소방 및 경찰의 신속 출동 서비스 등 여러 서비스에 활용하기 위하여 주소 표현형 음성 데이터 구축하고 실제 주소와 매칭하여 데이터를 구축
-
메타데이터 구조표 데이터 영역 한국어 데이터 유형 오디오 데이터 형식 데이터 출처 자체수집 라벨링 유형 라벨링 형식 JSON 데이터 활용 서비스 네비게이션 주소 음성 인식, 고객센터 주소 자동 입력 등 데이터 구축년도/
데이터 구축량2022년/500,874건 -
데이터 구축 규모
데이터 구축 규모 구분 데이터 형태 데이터 구축 규모 포맷 주소 표현형 음성 데이터 음성 500,874 쌍 CSV, JSON 주소 동의어 텍스트 1,100 건 JSON 데이터 분포
데이터 분포 품질특성 분류 분포 데이터 건수 비율(%) 다양성 발화자 성별 남 436,648 43.59% (통계) 여 565,116 56.41% 발화자 연령 20~30대 651,132 65% 40~50대 325,615 32.50% 60대 이상 25,017 2.50% 발화 상황 분포 공공 53,895 10.76% 교통 88,959 17.76% 안내 27,859 5.56% 약속 85,504 17.07% 일상 142,315 28.41% 주문 102,350 20.43% 발화자 출신 지역 분포 서울 507,056 50.62% 경기 37,055 21.79% 대구 77,828 9.64% 그 외 지역 102,021 10.19% 다양성 주소 발화 지역 수도권 267,222 53.35% (요건) 분포 광역시 133,735 26.70% 그 외 지역 99,925 19.95% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드활용 모델
- 모델유형 : 음성인식 ASR (Automatic Speech Recognition)
- 모델명 : JASPER
- 2019년 NVIDIA(엔비디아)에서 발표한 음성인식 모델로, Non-Autoregressive 방식으로 Parallel하게 동작하여 다른 음성인식 모델 대비 빠른 추론이 가능데이터 세트 분류
- 권장 학습 분류에 따라, 아래와 같이 세트를 분류함데이터 세트 분류 구분 학습 Training 검증 Validation 시험 Test 비중 80% 10% 10% 내용 학습용 데이터 세트 학습 결과 평가 세트 모델 테스트 데이터 세트 JASPER 아키텍쳐
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 음성인식 Speech Recognition Jasper CER 15 % 7.79 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드데이터 구축 규모 및 포맷
데이터 구축 규모 및 포맷 구분 공정 수량 (건) 포맷 주소 표현형 음성 데이터 수집 552,822 WAV(16KHz) 정제 500,874 WAV(16KㅇHz) 가공 500,874 JSON 검사 500,874 JSON 주소 동의어 1,100 CSV, JSON 어노테이션 포맷
- 주소 표현형 음성 데이터어노테이션 포맷 - 주소 표현형 음성 데이터 NO 속성명 속성 설명 Type 필수 예시 1 Info 데이터셋 object - 1-1 description 데이터셋 이름 String Y v1.0 1-2 file_name 파일명 String Y 1508_P54896010_A2103_A1102.wav 1-3 date 수집 날짜 String Y 20220831 1-4 situation 발화상황 String Y 일상 1-5 environment 발화 환경정보 String - 이사 1-6 audio_quality 오디오 음질 String 16khz 1-7 local 실제 주소 지역 분류 String Y 그 외 지역 1-8 region 실제 주소 세부 지역 String Y 전라북도 1-9 lat 실제 주소에 대한 위도 String 35.465153 1-10 lng 실제 주소에 대한 경도 String 127.485642 2 Speakers 화자 목록 Array - 2-1 - object 2-1-1 id 화자 아이디 String Y 1,233 2-1-2 age 화자 연령 (1그룹/2그룹/3그룹 등) String Y 1그룹 2-1-3 gender 화자 성별 (남, 여) String Y 여 2-1-4 residence 화자 지역 (광역시) String Y 서울 3 dialogs 전사 데이터 목록 Array - 3-1 - object 3-1-1 speakerID 화자 아이디: speakers에 등록된 id String Y 1,2 3-1-2 dialogID 발화 문장에 해당하는 id number Y 1,2 3-1-3 text 발화 기준 한글 TEXT 데이터 String Y 3-1-4 textOrigin 표준어 전사 TEXT 데이터 String Y 3-1-5 ex_add 주소 표현형에 해당하는 전사 Text String - 전북대학교 전주캠퍼스 야외음악당 3-1-6 startPoint 발화 음성 시간의 시작 number Y 5.453270833 3-1-7 endPoint 발화 음성 시간의 끝 number Y 13.48522917 3-1-8 originAddress 실제 주소 String - 전라북도 전주시 덕진구 금암동 백제대로 567 - 주소 동의어
어노테이션 포맷 - 주소 동의어 NO 속성명 속성 설명 Type 필수 예시 1 Info 데이터셋 object - 1-1 description 데이터셋 이름 String Y “주소동의어집합” 1-2 addresstext 동의어 String Y “공유오피스” 2 synonyms 동의어 리스트 list Y “공공오피스”, “공유사무실” 폴더 및 파일명 구조
폴더 및 파일명 구조 폴더 원천/라벨링 데이터 라벨링 예시
라벨링 예시 - 주소 표현형 음성 발화 데이터 주소 표현형 음성 발화 데이터 JSON 라벨링 예시 - 주소 동의어 데이터 주소 동의어 데이터 JSON -
데이터셋 구축 담당자
수행기관(주관) : ㈜엠티
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 구균모 070-8806-6991 kmgu@mtdata.co.kr 사업총괄, 학습 수행기관(참여)
수행기관(참여) 기관명 담당업무 한국우편사업진흥원 수집 ㈜세명소프트 정제, 가공 ㈜타임게이트 검사 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 구균모 070-8806-6991 kmgu@mtdata.co.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.