SIGIRMay, 2020

面向开放域对话代理的上下文对话行为分类

PDF
TL;DR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。
dialogue act classificationcontextual dialogue act classifierdeep learninghuman-machine conversationsamazon alexa prize
发现论文，激发创造
  • 基于上下文感知自注意力机制的对话行为分类

    本文研究 Dialogue Act 分类，提出了将上下文感知的自注意机制与分层循环神经网络相结合的方法，并在 SwDA Corpus 上证明了其在不同语义表征学习方法下的高精度表现。

    Apr, 2019

  • 基于上下文意识的神经网络自动化生成转录文本的对话行为分类

    本文提出了一种新的方法，该方法结合了卷积神经网络（CNN）和条件随机场（CRF），用于自动生成转录文本中的对话行为（DA）分类。结果表明，CNN 和 CRF 相结合的方法能够提高对话行为分类的准确性，同时基于端到端的自动语音识别系统似乎更适合于该任务。

    Feb, 2019

  • 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

  • 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

  • 面向任务导向对话的通用对话行为标注

    本文提出了一种适用于任务导向对话系统的通用 DA 模式，并使用人类 - 人类对话语料库进行标记和建模，通过半监督学习技术，以提高标记效率和标记质量。

    Jul, 2019

  • 对话行为分类的普适性 - 个体性整合模型

    本文提出了一种新的 Dialog Act 分类模型：UIIM，不仅仅学习通用性深化线索之间的联系，而且利用个性化的学习来捕捉线索本身的特征，实验结果表明提取线索之间的共性和个性能更全面地挖掘话语中的信息，从而提高自动对话行为识别的准确性。

    Apr, 2022

  • 面向会话代理的 ISO 标准领域无关的对话行为标记

    本文提出一种方法，将多个公开数据集映射到 ISO 标准的子集，以创建一个大型的与任务无关的 DA 分类训练语料库，并证明使用这个语料库训练一个领域无关的 DA 标签器在跨不同 DA 类别时具有鲁棒性的重要性。

    Jun, 2018

  • 基于 DAG-LSTMs 的群聊对话行为分类

    本文提出一种新型模型结构 DAG-LSTM 用于 DA 分类，该模型利用了自然存在于多方对话中的转换结构，并将其编码在模型结构中，相对于现有方法，该方法在准确度和宏 F1 得分方面均有 1% 左右的提升。

    Aug, 2019