Une approche basée sur le contexte pour la reconnaissance des actes de dialogue à l'aide de réseaux neuronaux récurrents simples

La reconnaissance des actes de dialogue est une composante importante de la compréhension du langage naturel. Nous examinons la manière dont les corpus d'actes de dialogue sont annotés et les approches d'apprentissage utilisées jusqu'à présent. Nous constatons que, pour la plupart des classes, l'acte de dialogue est sensible au contexte au sein de la conversation. Cependant, les modèles précédents de classification des actes de dialogue fonctionnent au niveau des énoncés et très peu prennent en compte le contexte. Nous proposons une nouvelle méthode d'apprentissage basée sur le contexte pour classifier les actes de dialogue en utilisant une représentation d'énoncé issue d'un modèle linguistique au niveau des caractères, et nous notons une amélioration significative. Nous évaluons cette méthode sur le corpus d'actes de dialogue Switchboard, et nos résultats montrent que la prise en compte des énoncés précédents comme contexte de l'énoncé actuel améliore la détection des actes de dialogue.