ترغب بنشر مسار تعليمي؟ اضغط هنا

إدراك الوظيفة إدراك الحوار قانون الاعتراف

Utterance Position-Aware Dialogue Act Recognition

269   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تقترح هذه الدراسة نهجا نطق في موقف الكلام لنموذج التعرف على قانون الحوار العصبي القائم على الشبكة (دار)، مما يشتمل على الترميز الموضعي للموقف المطلق أو النسبي للكلام.النهج المقترح مستوحى من الملاحظة أن بعض أعمال الحوار لها اتجاهات مناصب الحدوث.تبين التقييمات على Corpus لوحة المفاتيح أن الترميز الموضعي المقترح للكلام يحسن إحصائيا بشكل كبير أداء دار.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

تصنيف قانون الحوار (DA) هو مهمة تصنيف الكلمات فيما يتعلق بالوظيفة التي يخدمها في حوار.الأساليب الحالية لإعلام نموذج تصنيف DA دون دمج التغييرات بدوره بين مكبرات الصوت في جميع أنحاء الحوار، وبالتالي تعاملها لا تختلف عن النص المكتوب غير التفاعلي.في هذه الورقة، نقترح دمج التغييرات بدوره في المحادثات بين مكبرات الصوت عند النمذجة DAS.على وجه التحديد، نحن نتعلم المحادثة - تحويل المتكلم بدوره لتمثيل المتكلم يتحول في محادثة؛ثم يتم دمج Attringdings بدوره المتحدث المستفاد مع تضمين الكلام لمهام التنفيذ في تصنيف DA.مع هذه الآلية البسيطة والفعالة، فإن نموذجنا قادر على التقاط الدلالات من محتوى الحوار أثناء محاسبة المتكلم المختلفة في محادثة.التحقق من الصحة على ثلاث مجموعات بيانات عامة معيار يدل على الأداء الفائق لنموذجنا.
نحن نستخدم التعرف على قانون الحوار (دار) للتحقيق في مدى امتثال بيرت الانتحال في الحوار، وكيف تساهم بضبط الدقيقة والتدريب المسبق على نطاق واسع في أدائها.نجد أنه في حين أن كل من التدريبات القياسية السابقة للتدريب والإحاطاء على البيانات التي تشبه الحوار هي مفيدة، فإن الضبط الدقيق الخاص بمهارات المهام أمر ضروري للأداء الجيد.
أصبح التعرف على العاطفة في محادثة متعددة الأحزاب (ermc) شعبية بشكل متزايد كقاعدة بحثية ناشئة في معالجة اللغة الطبيعية.يركز البحث المسبق على استكشاف معلومات متتابعة ولكن يتجاهل هياكل المحادثات.في هذه الورقة، يمكننا التحقيق في أهمية هياكل الخطاب في الت عامل مع الإشارات السياقية الإعلامية والمعلومات الخاصة بالمتكلات الخاصة ب armc.تحقيقا لهذه الغاية، نقترح علما رسميا في رسم بياني (ERMC-DISGCN) ل ERMC.على وجه الخصوص، نقوم بتصميم الأزلاء العلائقية إلى رافعة تبعية المتكلم الذاتي للواقعاء نشر معلومات سياقية.علاوة على ذلك، فإننا نستنفذ عن مراقبة بوابات لاختيار إشارات أكثر إفادة ل armc من التحويلات المعالين.تظهر النتائج التجريبية طريقة أن أسلوبنا تتفوق على خطوط أساس متعددة، مما يوضح أن هياكل الخطاب ذات قيمة كبيرة ل armc.
تكتسب المحادثات التي تلخيصها عبر النهج العصبية الجر أبحث في الآونة الأخيرة، ومع ذلك، لا تزال تحديا للحصول على حلول عملية. وتشمل أمثلة مثل هذه التحديات تبادل المعلومات غير منظم في الحوارات والتفاعلات غير الرسمية بين المتحدثين والتغيرات الديناميكية للم تكلمين كما يتطور الحوار. العديد من هذه التحديات تؤدي إلى روابط كوراسة المعقد. لذلك، في هذا العمل، يمكننا التحقيق في نهج مختلفة لإدماج معلومات Aquerfery بشكل صريح في نماذج تلخيص الحوار المبادرة العصبية لمعالجة التحديات المذكورة أعلاه. تظهر النتائج التجريبية أن النهج المقترحة تحقق من الأداء الحديثة، مما يعني أنه من المفيد استخدام معلومات Aquerence في تلخيص الحوار. توصي نتائج التقييم على صحة واقعية تشير إلى أن هذه النماذج المفيدة هي أفضل في تتبع تدفق المعلومات بين المحاورين وربط الوضع / الإجراءات الدقيقة مع المحاورين المقابلين وذكر الشخص.
يرتبط مرض الزهايمر (الإعلان) بالعديد من التغييرات المميزة، ليس فقط في لغة الفرد ولكن أيضا في أنماط تفاعلية لاحظت في الحوار. تميل التغييرات الأكثر إرشادية لهذا النوع الأخير إلى أن تكون مرتبطة بأعمال الحوار النادرة نسبيا (DAS)، مثل المشاركين في التبادل ات والردود على أنواع معينة من الأسئلة. ومع ذلك، يركز معظم الأعمال الموجودة في العلامة في DA على تحسين الأداء المتوسط، وتحديد أولويات فئات أكثر تواترا؛ وبالتالي فإنه يعطي أداء ضعيفا على هذه الفصول الدراسية النادرة وليس مناسبا للتطبيق على تحليل الإعلانات. في هذه الورقة، نحقق في وضع علامات على وجه التحديد بالنسبة لفئة DAS النادرة، باستخدام نموذج Bilstm هرمي مع طرق مختلفة لإدماج المعلومات من الكلام السابق وعلامات التنمية في السياق. نظهر أن هذا يمكن أن يعطي أداء جيدا لفصول DA نادرة على كل من Corpus لوحة المفاتيح العامة (SWDA) ومجموعة بيانات محادثة محددة من الإعلانات، ومجموعة محادثة Carolinas (CCC)؛ وأن مخرجات Tagger ثم تساهم بمعلومات مفيدة لتمييز المرضى وبدون إعلان

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا