대화 행위 분류를 위한 발화자 전환 인지 CRF

최근 대화 행위(Dialogue Act, DA) 분류 연구는 신경망 모델과 조건부 확률 필드(Conditional Random Field, CRF)를 최종 레이어로 사용하여 시퀀스 레이블링 문제로 접근하고 있다. CRF는 입력 발화 시퀀스가 주어졌을 때 목표 DA 레이블 시퀀스의 조건부 확률을 모델링한다. 그러나 이 작업에는 이전 연구에서 간과된 또 다른 중요한 입력 시퀀스인 발화자 시퀀스가 존재한다. 이러한 제한점을 해결하기 위해 본 논문은 발화자 전환 정보를 고려하는 간단한 CRF 레이어의 수정안을 제안한다. SwDA 코퍼스에서 수행한 실험 결과, 제안한 수정된 CRF 레이어는 원래 CRF보다 훨씬 뛰어난 성능을 보였으며, 일부 DA 레이블에 대해서는 매우 큰 성능 향상이 나타났다. 또한 시각화 결과를 통해 제안한 CRF 레이어가 발화자 전환 조건 하에서 DA 레이블 쌍 간의 의미 있고 복잡한 전이 패턴을 엔드투엔드 방식으로 학습할 수 있음을 확인할 수 있었다. 코드는 공개되어 있다.