[论文解读] Annotations for HTML to VoiceXML Transcoding: Producing Voice WebPages with Usability in Mind

Zhiyan Shao, R. Capra+1 more|ArXiv.org|Nov 26, 2002

Speech and dialogue systems参考文献 13被引用 4

一句话总结

本文提出一种基于注释的转换方法，将HTML内容转换为VoiceXML，以实现可访问且可用的语音界面。通过识别HTML中重复出现的数据结构，作者设计了一条转换管道，在保留语义意义的同时，通过有针对性的注释提升可用性，从而实现高效、可导航的语音网页，优化于快速信息获取而非完整浏览。

ABSTRACT

Web pages contain a large variety of information, but are largely designed for use by graphical web browsers. Mobile access to web-based information often requires presenting HTML web pages using channels that are limited in their graphical capabilities such as small-screens or audio-only interfaces. Content transcoding and annotations have been explored as methods for intelligently presenting HTML documents. Much of this work has focused on transcoding for small-screen devices such as are found on PDAs and cell phones. Here, we focus on the use of annotations and transcoding for presenting HTML content through a voice user interface instantiated in VoiceXML. This transcoded voice interface is designed with an assumption that it will not be used for extended web browsing by voice, but rather to quickly gain directed access to information on web pages. We have found repeated structures that are common in the presentation of data on web pages that are well suited for voice presentation and navigation. In this paper, we describe these structures and their use in an annotation system we have implemented that produces a VoiceXML interface to information originally embedded in HTML documents. We describe the transcoding process used to translate HTML into VoiceXML, including transcoding features we have designed to lead to highly usable VoiceXML code.

研究动机与目标

• 为解决语音可访问网页内容的可用性差距，将静态HTML页面转换为可导航的VoiceXML界面。
• 识别适合语音展示与导航的常见且可重复使用的HTML数据结构。
• 开发一种注释系统，以提升从HTML到VoiceXML转换的可用性。
• 设计优先考虑通过语音实现高效、定向信息访问的转换功能，而非完整浏览。
• 确保生成的VoiceXML应用程序在纯音频环境中具备语义准确性与用户友好性。

提出的方法

• 作者识别出频繁包含适合语音交互的机器可读数据的重复HTML结构，如表格、列表和表单。
• 他们引入一种手动注释方案，在HTML中为这些结构添加元数据，以指导转换过程。
• 开发了一条定制的转换管道，将带注释的HTML转换为语义丰富的VoiceXML，保留导航结构与内容层级。
• 系统应用以可用性为导向的转换，例如总结重复内容，并通过语音菜单结构化导航。
• 利用注释控制语音输出，包括语调、标签和导航提示，以提升用户理解。
• 该方法将语音访问视为一种实现快速、任务导向的信息检索手段，而非长时间浏览。

实验结果

研究问题

• RQ1 如何利用HTML中重复的结构模式来提升语音可访问网页内容的可用性？
• RQ2 何种注释策略能够实现从HTML到VoiceXML的有效且语义明确的转换？
• RQ3 在转换为音频界面时，如何保持导航结构与内容层级？
• RQ4 哪些设计原则能增强仅限语音访问的网页可用性，特别是针对快速信息检索？
• RQ5 自动化转换在无需完整重写网页内容的情况下，能在多大程度上生成可用的VoiceXML？

主要发现

• 注释系统成功识别并标记了适合语音展示的可重用HTML数据结构。
• 带注释的转换生成了保持逻辑内容层级并提升可导航性的VoiceXML应用程序。
• 该系统实现了高效、任务导向的信息访问，符合快速检索而非完整浏览的目标。
• 以可用性为导向的转换功能——如结构化菜单和语义标签——显著提升了语音界面中的用户理解能力。
• 该方法证明，有针对性的注释可以指导从现有HTML生成可用的VoiceXML，而无需内容重设计。
• 该方法在将静态网页内容转换为可访问、可交互的语音应用方面证明有效，且人工干预极少。