Skip to Main content Skip to Navigation
Conference papers

Guider l'attention dans les modèles de séquence à séquence pour la prédiction des actes de dialogue

Résumé : La prédiction d’actes de dialogue (AD) basés sur le dialogue conversationnel est un élément clé dans le développement des agents conversationnels. La prédiction précise des AD nécessite une modélisation précise à la fois de la conversation et des dépendances globales des AD. Nous utilisons les approches de séquence à séquence (seq2seq) largement adoptées dans la traduction automatique neurale (NMT) pour améliorer la modélisation de la séquentialité des AD. Les modèles seq2seq sont connus pour apprendre les dépendances globales complexes alors que les approches actuellement proposées utilisant des champs aléatoires conditionnels linéaires (CRF) ne modélisent que les dépendances locales des AD. Dans ce travail, nous introduisons un modèle seq2seq adapté à la classification AD en utilisant : un codeur hiérarchique, un nouveau mécanisme attention guidée et la recherche de faisceau appliquée à la fois à l’apprentissage et à l’inférence. Par rapport à l’état de l’art, notre modèle ne nécessite pas de caractéristiques artisanales et est formé de bout en bout. En outre, l’approche proposée obtient un score de précision inégalé de 85% pour la SwDA et un score de précision de pointe de 91,6% pour la MRDA.
Complete list of metadatas

Cited literature [29 references]  Display  Hide  Download

https://hal.inria.fr/hal-02933475
Contributor : Ccsd Sciencesconf.Org <>
Submitted on : Tuesday, September 8, 2020 - 2:35:34 PM
Last modification on : Thursday, October 15, 2020 - 11:27:54 PM

File

WACAI_2020_SPDAA.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02933475, version 1

Collections

Citation

Emile Chapuis, Pierre Colombo, Matteo Manica, Giovanna Varni, Emmanuel Vignon, et al.. Guider l'attention dans les modèles de séquence à séquence pour la prédiction des actes de dialogue. Workshop sur les Affects, Compagnons artificiels et Interactions, CNRS, Université Toulouse Jean Jaurès, Université de Bordeaux, Jun 2020, Saint Pierre d'Oléron, France. ⟨hal-02933475⟩

Share

Metrics

Record views

34

Files downloads

100