用于对话行为分类的多层级门控循环神经网络
计算与语言
2019-10-07 v1
摘要
本文关注对话行为（DA）标注问题。该问题近来备受关注，因为它是当前需求很大的自动问答系统的重要子部分。传统方法倾向于将该问题视为序列标注任务，并通过应用具有丰富特征的分类器来处理。当前大多数神经网络模型仍忽略对话中的序列信息。因此，我们应用一种新颖的融合非文本信息的多层级门控循环神经网络（GRNN）来预测 DA 标签。我们的模型不仅利用文本信息，还使用了非文本与上下文信息。相比之下，我们的模型在 Switchboard Dialog Act（SWDA）任务上比先前工作显著提升超过 6%。
引用
@article{arxiv.1910.01822,
title = {Multi-level Gated Recurrent Neural Network for Dialog Act Classification},
author = {Wei Li and Yunfang Wu},
journal= {arXiv preprint arXiv:1910.01822},
year = {2019}
}
备注
COLING 2016 published