تحليل المحادثة باستخدام شبكات العصب المتكررة ثنائية الاتجاه المعتمدة على الانتباه على مستوى الجملة

الطرق الحديثة لتمييز أفعال الحوار أظهرت أن السياق من الجمل السابقة مهم لتصنيف الجملة اللاحقة. وقد ثبت أن الأداء يتحسن بسرعة عند الأخذ في الاعتبار هذا السياق. نقترح نموذج شبكة عصبية متكررة ثنائية الاتجاه يستند إلى انتباه المستوى الجملي (Utt-Att-BiRNN) لتحليل أهمية الجمل السابقة في تصنيف الجملة الحالية. في إعدادنا، يتم تقديم مجموعة المدخلات من الجمل الحالية والسابقة للشبكة العصبية المتكررة الثنائية الاتجاه (BiRNN). نموذجنا يتفوق على النماذج السابقة التي تستخدم فقط الجمل السابقة كسياق في المجموعة المستخدمة. مساهمة أخرى للمقال هي اكتشاف كمية المعلومات في كل جملة لتصنيف الجملة اللاحقة وإظهار أن التعلم القائم على السياق لا يحسن الأداء فحسب، بل يحقق أيضًا ثقة أعلى في التصنيف. نستخدم خصائص المستوى الحروفي والكلماتي لتمثيل الجمل. تُعرض النتائج لكل من تمثيلات الخصائص الحروفي والكلماتي وكذا كنموذج مجمع لكلا التمثيلين. وجدنا أنه عند تصنيف الجمل القصيرة، فإن أقرب جمل سابقة تساهم بمقدار أكبر.