上下文对对话行为识别的影响

本文分析了上下文信息对对话行为识别的影响。我们在广泛使用的Switchboard语料库上以及根据近期ISO 24617-2标准标注的数据上进行了实验。后者取自Tilburg DialogBank，并通过映射Let's Go语料库子集的标注获得。我们采用了基于SVM的分类方法，该方法在先前工作中已被证明成功，并使我们能够限制所提供的上下文信息量。通过这种方式，我们能够观察随着上下文信息量增加的影响模式。我们的基础特征由n-gram、标点和wh-词组成。上下文信息取自前一个或多个片段（最多五个），并以n-gram或对话行为分类的形式提供，后者通常带来更好的结果和更稳定的影响模式。除了关于上下文信息重要性和影响的结论外，我们在Switchboard语料库上的实验还取得了推进该语料库上对话行为识别任务最优水平的结果。此外，根据ISO 24617-2标准标注数据上获得的结果为该领域的未来工作定义了基线，并有助于实验的标准化。