Sep, 2019

针对并发对话行为识别的长距离上下文建模

PDF
TL;DR本文主要研究了如何使用卷积 - 循环神经网络对对话中的连续性行为进行识别，解决了当前对于长篇对话和复杂对话情境下预测难度较大的问题，同时在技术论坛数据集上取得了更为优异的效果。
dialogue acts recognitionconcurrent dialogue actsconvolutional recurrent neural networklong-range contexttech forum dataset
发现论文，激发创造
  • 一个基于语境的对话行为识别方法，使用简单的循环神经网络

    提出了一种上下文敏感的对话行为识别方法，利用基于字符级语言模型的话语表示来学习对话行为分类，并在 Switchboard 对话行为语料库上测试，结果表明考虑先前话语作为当前话语的语境可以改进对话行为识别。

    May, 2018

  • 基于 CRF-Attentive 结构网络的对话行为识别

    本研究提出了一种使用丰富的条件随机场 (CRF) 结构依赖性、采用分层语义推理和记忆机制的话语行为识别方法，并使用扩展的结构化注意力网络考虑上下文的话语和相应的对话行为，实验结果显示该方法表现优于其他最先进的解决方案。

    Nov, 2017

  • 面向任务的对话状态生成的长上下文建模

    本论文提出了一种基于 TRADE 的可转移对话状态生成器，结合简单有效的话语标记技术和双向语言模型的多任务学习模型，旨在解决基线性能在长对话上大幅下降的问题，最终在 MultiWOZ 2.0 数据集上实现了 52.04％的联合目标准确性，相对提高了 7.03％，成为了最新的最先进技术。

    Apr, 2020

  • 基于分层结构的本地上下文关注在对话行为识别中的应用

    本研究旨在设计一种基于自注意力机制的分层模型，以识别对话行为，并通过修改注意分布来关注局部和上下文语义信息，同时引入新的对话分割机制，分析对话长度和上下文填充长度对模型效果的影响。实验表明，该模型在 Switchboard 对话行为和 DailyDialog 两个数据集上均取得了 80.34% 和 85.81% 的准确率，并且通过可视化注意权重的方式展示了其可以显示地学习话语之间的上下文依赖关系。

    Mar, 2020

  • 面向开放域对话代理的上下文对话行为分类

    本文提出了一种名为 CDAC 的深度学习算法，通过在 Switchboard 人际对话数据集上进行预训练并在人机对话数据集上微调，实现了上下文对话行为分类，并表明采用小样本人机对话数据微调 CDAC 模型可以更精确地预测真实用户的对话行为，为未来的改进提供了有希望的方向。

    May, 2020

  • 利用多个记号、片段和上下文信息表征的深层对话行为识别

    本研究旨在通过考虑不同层级的 tokens 和在历史对话中上下文信息的丰富表达，探索生成更加信息丰富的对话结构代表，我们通过组合最佳的方法，在 SwDA 和 MRDA 上取得了超越以往最佳结果，并在 MRDA 上超越了人类的表现水平。

    Jul, 2018

  • 基于语句级关注的双向循环神经网络的对话分析

    使用基于注意力机制的双向循环神经网络模型分析先前话语对识别当前话语的影响，研究发现基于上下文学习不仅提高了性能，而且实现了更高的分类置信度。

    May, 2018

  • 一种双重注意力的分层循环神经网络在对话行为分类中的应用

    提出了一种基于双重注意力层级循环神经网络的对话行为分类模型，利用话题建模作为辅助任务和双任务特定注意力机制来捕捉对话行为和话题之间的交互信息，从而大大提高了 DA 分类的效果。

    Oct, 2018

  • 对话行为引导的上下文适应器用于个性化语音识别

    本研究提出了一种对话行为引导的上下文适配器网络，改善了多轮对话中自然语言识别的性能，相较于现有技术提高了数量级，具体表现为相对相对单词误差率降低 58%。

    Mar, 2023

  • 对话行为建模用于自动标记与识别交谈语音

    本文提出了一种基于统计学方法的对话行为建模方法，通过对词汇、语音、对话结构等多个方面的考虑对话行为进行检测和预测，并应用于语音识别和对话行为分类，实验表明取得了良好的对话行为分类精度和一定的语音识别效果提升。

    Jun, 2000