تحسين شبكة الذاكرة الديناميكية لتصنيف أفعال الحوار باستخدام التدريب المعادي

تصنيف فعل الحوار (DA) هو مشكلة صعبة في تفسير الحوار، تهدف إلى إضافة علامات دلالية للعبارات ووصف نوايا المتحدث. حاليًا، العديد من الطرق الموجودة تشكل المشكلة في تصنيف DA بدءًا من التصنيف متعدد الفئات وحتى التنبؤ المهيكل، وهي تعاني من قيودين رئيسيين: أ) هذه الطرق إما تعتمد على الخصائص المصممة يدويًا أو لديها ذاكرات محدودة. ب) لا يمكن لطرق التدريب التقليدية تصنيف الأمثلة المعادية بشكل صحيح. لحل هذه القضايا، نقوم في هذا البحث أولًا بتحويل المشكلة إلى مشكلة سؤال وجواب ونقترح شبكات ذاكرة ديناميكية محسنة مع مرمّز عبارات هرمي متدرج. بالإضافة إلى ذلك، نطبق التدريب المعادي لتدريب النموذج المقترح. نقيم نموذجنا على قاعدتين بيانات عامتين، وهما كوربوس فعل الحوار سوتشبور드 وكوربوس MapTask. تظهر التجارب الواسعة أن النموذج المقترح ليس فقط مقاومًا، بل يحقق أيضًا أداءً أفضل عند المقارنة مع بعض النماذج الرائدة (state-of-the-art).