面向异步对话中言语行为识别的分层结构化模型适配
计算与语言
2019-04-09 v1 机器学习
机器学习
摘要
我们解决了异步对话（论坛、电子邮件）中的言语行为识别（SAR）问题。与同步对话（如会议、电话）不同，异步领域缺乏大型标注数据集来训练有效的 SAR 模型。在本文中，我们提出了有效利用丰富的无标注对话数据以及来自同步领域的可用标注数据的方法。我们的研究分为三个主要步骤。首先，我们引入了一种基于分层 LSTM 和条件随机场（CRF）的神经网络架构用于 SAR，并表明仅使用领域内数据训练时，我们的方法优于现有方法。其次，我们通过半监督学习改进了初始 SAR 模型，其形式为从大型无标注对话语料库中学习到的预训练词嵌入。最后，我们采用对抗训练，通过利用来自同步领域的标注数据并显式建模两个领域间的分布偏移，进一步改进结果。
引用
@article{arxiv.1904.04021,
title = {Adaptation of Hierarchical Structured Models for Speech Act Recognition in Asynchronous Conversation},
author = {Tasnim Mohiuddin and Thanh-Tung Nguyen and Shafiq Joty},
journal= {arXiv preprint arXiv:1904.04021},
year = {2019}
}
备注
To appear in NAACL 2019