用于基于文本的说话人变更检测的带静态句级注意力的层级 RNN
计算与语言
2018-10-01 v2
摘要
说话人变更检测 (SCD) 是对话建模中的重要任务。本文针对基于文本的 SCD 问题，这与现有的基于音频的研究不同，在多种场景下很有用，例如处理缺少说话人身份的对话转录（如 OpenSubtitle），以及利用文本信息增强音频 SCD。我们将基于文本的 SCD 形式化为某决策点前后话语的匹配问题；提出一种带静态句级注意力的层级循环神经网络 (RNN)。实验结果表明，神经网络始终优于基于特征的方法，且我们的基于注意力的模型显著优于无注意力的神经网络。
引用
@article{arxiv.1703.07713,
title = {Hierarchical RNN with Static Sentence-Level Attention for Text-Based Speaker Change Detection},
author = {Zhao Meng and Lili Mou and Zhi Jin},
journal= {arXiv preprint arXiv:1703.07713},
year = {2018}
}
备注
In Proceedings of the ACM on Conference on Information and Knowledge Management (CIKM), 2017