초록
최근의 대화 행위 분류 연구에서는 계층적 딥 뉴럴 네트워크를 사용하여 이 작업을 시퀀스 라벨링 문제로 다루었습니다. 우리는 이러한 선행 연구를 바탕으로 문맥 인식 자기 주의 메커니즘과 계층적 순환 신경망을 결합한 효과성을 활용하였습니다. 우리는 표준 대화 행위 분류 데이터셋에서 광범위한 평가를 수행하였으며, 스위치보드 대화 행위(Switchboard Dialogue Act, SwDA) 코퍼스에서 최신 결과보다 크게 향상된 성능을 보였습니다. 또한 다양한 발화 단위 표현 학습 방법의 영향을 조사하였으며, 우리의 방법이 고도의 정확성을 유지하면서 발화 단위 의미 텍스트 표현을 효과적으로 포착할 수 있음을 보여주었습니다.