Ein kontextbasiertes Verfahren für die Erkennung von Dialogakten unter Verwendung einfacher rekurrenter Neuronaler Netze

Die Erkennung von Dialogakten ist ein wichtiger Bestandteil der natürlichsprachlichen Verarbeitung. In dieser Studie untersuchen wir die Art und Weise, wie Dialogakt-Korpora annotiert werden, sowie die bisher verwendeten Lernverfahren. Wir stellen fest, dass der Dialogakt in den meisten Klassen innerhalb des Gesprächs kontextabhängig ist. Trotzdem basieren bisherige Modelle zur Klassifizierung von Dialogakten hauptsächlich auf der Satzebene und berücksichtigen nur sehr wenige den Kontext. Wir schlagen eine neuartige kontextbasierte Lernmethode vor, um Dialogakte unter Verwendung einer zeichenbasierten Sprachmodell-Darstellung von Äußerungen zu klassifizieren, und beobachten dabei erhebliche Verbesserungen. Diese Methode wird am Switchboard-Dialogakt-Korpus evaluiert, und unsere Ergebnisse zeigen, dass die Berücksichtigung der vorherigen Äußerungen als Kontext für die aktuelle Äußerung die Erkennung von Dialogakten verbessert.