초록
대화 행위(DA) 분류는 대화 내에서 발화가 수행하는 기능에 따라 발화를 분류하는 작업이다. 기존의 DA 분류 접근 방식은 대화 내에서 화자 간의 대화 전환(turn change)을 고려하지 않고 발화를 모델링하기 때문에, 대화적 상호작용이 없는 비대화적 문장 텍스트와 다를 바 없이 취급한다. 본 논문에서는 대화 중 화자 간의 대화 전환을 DA 모델링에 통합하는 방안을 제안한다. 구체적으로, 대화의 맥락에 관계없이 일관된 화자 대화 전환 표현(embedding)을 학습하여 대화 내 화자 전환을 표현하고, 이를 발화 표현과 결합하여 DA 분류라는 후속 작업에 활용한다. 이러한 간단하면서도 효과적인 메커니즘을 통해 본 모델은 대화 내용의 의미를 잘 포착하면서도 대화 내 다양한 화자 전환을 적절히 반영할 수 있다. 세 가지 공개 벤치마크 데이터셋에 대한 검증을 통해 본 모델의 우수한 성능이 입증되었다.