대화 분석을 위한 발화 수준 주의 기반 양방향 순환 신경망의 활용

최근의 대화 행동 인식 접근 방식은 이전 발화의 맥락이 후속 발화를 분류하는 데 중요한 역할을 한다는 것을 보여주었습니다. 맥락을 고려할 때 성능이 급격히 향상되는 것으로 나타났습니다. 우리는 현재 발화를 분류하기 위해 이전 발화의 중요성을 분석하는 문장 수준 주의 기반 양방향 순환 신경망(Utt-Att-BiRNN) 모델을 제안합니다. 우리의 설정에서, 양방향 순환 신경망(BiRNN)은 현재 발화와 이전 발화의 입력 집합을 받습니다. 우리의 모델은 사용된 말뭉치에서 이전 발화만을 맥락으로 사용하는 기존 모델보다 우수한 성능을 보였습니다. 본 논문의 또 다른 기여점은 각 발화가 후속 발화를 분류하는 데 얼마나 많은 정보를 제공하는지를 발견하고, 맥락 기반 학습이 성능 향상뿐만 아니라 분류에 대한 더 높은 신뢰도를 달성한다는 것을 보이는 것입니다. 우리는 문자 수준과 단어 수준 특징을 사용하여 발화를 표현합니다. 결과는 문자 특징 표현, 단어 특징 표현, 그리고 두 표현의 앙상블 모델로 제시됩니다. 우리는 짧은 발화를 분류할 때 가장 가까운 이전 발화가 더 큰 영향을 미친다는 것을 발견했습니다.