-
题名基于对话约束的回复生成研究
被引量：1
- 1
-
-
作者
管梦雨
王中卿
李寿山
周国栋
-
机构
苏州大学计算机科学与技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2022年第8期144-153,共10页
-
基金
国家自然科学基金青年基金(61806137)。
-
文摘
现有的对话系统中存在着生成“好的”“我不知道”等无意义的安全回复问题。日常对话中,对话者通常围绕特定的主题进行讨论且每句话都有明显的情感和意图。因此该文提出了基于对话约束的回复生成模型,即在Seq2Seq模型的基础上,结合对对话的主题、情感、意图的识别。该方法对生成回复的主题、情感和意图进行约束,从而生成具有合理的情感和意图且与对话主题相关的回复。实验证明,该文提出的方法能有效提高生成回复的质量。
-
关键词
对话生成
主题识别
情感识别
意图识别
-
Keywords
dialogue generation
topic recognition
sentiment recognition
act recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名联合多任务学习的对话情感分类和行为识别
被引量：1
- 2
-
-
作者
刘思进
朱小飞
彭展望
-
机构
重庆理工大学计算机科学与工程学院
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2023年第9期1947-1960,共14页
-
基金
国家自然科学基金项目(No.62141201)
重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX1672)
重庆市教育委员会科学技术研究计划重大项目(No.KJZD-M202201102)资助。
-
文摘
对话情感分类和对话行为识别是对话系统中的两个子任务,旨在预测对话中每个语句的情感标签和行为标签.这两个任务受多种因素的影响而密切相关,而现有的模型没有合理利用对话中包含的显式和隐式信息,如说话者信息,时间信息,标签信息等,并且两个相关任务之间缺乏有效的交互.为了解决上述问题,本文提出了一个新的多任务学习模型,即说话者感知跨任务协同交互图网络(Speaker-aware Cross-task Co-interactive Graph Network,SA-CCGN).该模型首先捕捉了说话者随时间变化的情感和行为线索,以生成说话者感知的语句表示,然后通过跨任务协同交互图网络来充分建模对话内的信息传播和任务间的信息交互,其中,通过构建一个有向无环图来模拟一个对话的信息传播,每一次图传播后,使用协同交互层对两个任务进行适当的交互.最后,在解码时引入标签信息,即标签之间的区分度和关联性,对模型训练进行约束.在两个公开数据集上的实验结果表明,该模型相较于目前最先进的联合模型,在对话情感分类任务上的F1值分别提高了4.57%和3.33%,在对话行为识别任务上的F1值分别提高了2.15%和0.63%,而参数量和内存使用降低了约1/2.
-
关键词
多任务学习
对话系统
情感分类
行为识别
-
Keywords
multi-task learning
dialogue system
sentiment classification
act recognition
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名限定领域口语对话系统中超出领域话语的对话行为识别
被引量：3
- 3
-
-
作者
黄沛杰
王俊东
柯子烜
林丕源
-
机构
华南农业大学数学与信息学院
-
出处
《中文信息学报》
CSCD
北大核心
2016年第6期182-189,200,共9页
-
基金
国家自然科学基金(71472068)
广东省大学生科技创新培育专项项目(pdjh2016b0087)
-
文摘
由于领域外话语具有内容短小、表达多样性、开放性及口语化等特点,限定领域口语对话系统中超出领域话语的对话行为识别是一个挑战。该文提出了一种结合外部无标签微博数据的随机森林对话行为识别方法。该文采用的微博数据无需根据应用领域特点专门收集和挑选,又与口语对话同样具有口语化和表达多样性的特点,其训练得到的词向量在超出领域话语出现超出词汇表字词时提供了有效的相似性扩展度量。随机森林模型具有较好的泛化能力,适合训练数据有限的分类任务。中文特定领域的口语对话语料库测试表明,该文提出的超出领域话语的对话行为识别方法取得了优于最大熵、卷积神经网络等短文本分类研究进展中的方法的效果。
-
关键词
对话行为识别
超出领域话语
随机森林
词向量
口语对话系统
-
Keywords
dialogue act recognition
out-of-domain utterance
random forest
word embedding
spoken dialogue system
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名联合对话行为识别与情感分类的多任务网络
被引量：1
- 4
-
-
作者
林鸿辉
刘建华
郑智雄
胡任远
罗逸轩
-
机构
福建工程学院计算机科学与数学学院(原信息科学与工程学院)
福建省大数据挖掘与应用技术重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第3期104-111,共8页
-
基金
福建省自然科学基金(2019J01061137)
福建工程学院发展基金(GY-Z17150)。
-
文摘
情感分类与对话行为识别任务常被用在对话系统中联合建模,这种联合建模的方法能够挖掘出对话文本的跨任务隐藏交互信息,提高情感分类与对话行为识别的准确性。然而,在两个任务联合建模时,对话文本有上下文信息和跨任务交互信息,对这两种信息与模型预测准确度之间的关系进行研究,需要将这两种信息协同建模,在过去的研究中对这两种信息的利用并不充分,为解决该问题提出多任务图注意力网络(multi-task graph attention network,MGAT),并且以其为核心模块搭建了多任务协同图注意力网络(multi-task synergic graph attention network,MSGAT),该模型将上下文信息与跨任务信息联合建模,同时完成情感分类与对话行为识别任务。利用两个公开数据集实验,得到了良好的效果,并且对联合模型与预训练模型组合进行了研究。
-
关键词
多任务学习
情感分类
对话行为别
多任务图注意力网络
深度学习
-
Keywords
multi-task learning
sentiment classification
dialog act recognition
multi-task graph attention network
deep learning
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
