개선된 동적 메모리 네트워크를 이용한 대화 행위 분류에 대한 적대적 훈련

대화 행위(DA) 분류는 대화 해석에서 어려운 문제로, 발화에 의미적 라벨을 부착하여 화자의 의도를 특성화하는 것을 목표로 합니다. 현재 많은 기존 접근 방식은 다중 분류부터 구조적 예측까지 DA 분류 문제를 다양한 형태로 정식화하고 있으며, 이들 방법은 두 가지 제한점을 가지고 있습니다: a) 이러한 방법들은 수작업으로 만든 특징 기반 또는 제한된 기억력을 가진 방법들입니다. b) 적대적 예제들은 전통적인 학습 방법으로 올바르게 분류되지 않습니다. 이러한 문제들을 해결하기 위해, 본 논문에서는 먼저 문제를 질문과 답변 문제로 재구성하고 계층적 피라미드 발화 인코더를 사용한 개선된 동적 메모리 네트워크를 제안합니다. 또한, 적대적 학습을 적용하여 제안된 모델을 학습시킵니다. 우리는 Switchboard 대화 행위 코퍼스와 MapTask 코퍼스라는 두 개의 공개 데이터셋에서 모델을 평가하였습니다. 광범위한 실험 결과는 우리의 제안 모델이 단순히 강건할 뿐만 아니라 일부 최신 기준 모델들과 비교하여 더 우수한 성능을 보임을 입증하였습니다.