基于转换学习的对话行为特征计算
cmp-lg
2007-05-23 v1 计算与语言
摘要
为了在话语层面解释自然语言，准确识别对话行为（如SUGGEST）对于识别说话者意图非常有用。我们的研究探索了转换学习（Transformation-Based Learning, TBL）这一机器学习方法在计算对话行为中的效用，因为TBL在该应用中具有多项优势。我们识别了TBL的一些扩展，以应对原始算法的局限性和话语处理的特殊需求。我们采用蒙特卡洛策略来提高TBL方法的适用性，并选择话语特征作为输入以提升TBL的性能。我们的系统目前正在VerbMobil口语对话语料库上进行测试，产生了有前景的初步结果。
引用
@article{arxiv.cmp-lg/9806002,
title = {Computing Dialogue Acts from Features with Transformation-Based Learning},
author = {Ken Samuel and Sandra Carberry and K. Vijay-Shanker},
journal= {arXiv preprint arXiv:cmp-lg/9806002},
year = {2007}
}
备注
8 pages, 1 Postscript figure, uses aaai.sty and aaai.bst