考虑说话人变更的 CRF 用于对话行为分类
计算与语言
2023-06-27 v3 机器学习
摘要
近期对话行为（DA）分类的工作将该任务视为序列标注问题，使用神经网络模型并在最后一层结合条件随机场（CRF）。CRF 建模给定输入话语序列的目标 DA 标签序列的条件概率。然而，该任务涉及另一重要的输入序列，即说话人序列，而先前工作忽略了它。为解决此局限，本文提出对 CRF 层进行简单修改，以考虑说话人变更。在 SwDA 语料库上的实验表明，我们的改进 CRF 层优于原始层，对某些 DA 标签优势极为明显。此外，可视化证明我们的 CRF 层能够以端到端方式学习基于说话人变更的 DA 标签对之间有意义的、复杂的转移模式。代码已公开可用。
引用
@article{arxiv.2004.02913,
title = {Speaker-change Aware CRF for Dialogue Act Classification},
author = {Guokan Shang and Antoine Jean-Pierre Tixier and Michalis Vazirgiannis and Jean-Pierre Lorré},
journal= {arXiv preprint arXiv:2004.02913},
year = {2023}
}
备注
typo fix: argmin -> argmax