要約
最近の対話行為分類に関する研究では、階層的な深層ニューラルネットワークを使用して、このタスクをシーケンスラベリング問題として扱っています。本研究では、前人の研究成果を基に、コンテクストに応じた自己注意機構と階層的な再帰型ニューラルネットワークの効果性を活用しています。標準的な対話行為分類データセットで広範な評価を行い、Switchboard Dialogue Act (SwDA) コーパスにおいて最先端の結果よりも大幅な改善を示しました。また、異なる発話レベル表現学習手法の影響について調査し、当手法が発話レベルでの意味論的テキスト表現を捉えつつ高い精度を維持することを示しました。