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 التبادلات 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