| Title: | Multi-lingual Dialogue Act Recognition with Deep Learning Methods |
| Other Titles: | Vícejazyčné rozpoznávání dialogových aktů s využitím metod hlubokého učení |
| Authors: | Martínek, Jiří Lenc, Ladislav Král, Pavel Cerisara, Christophe |
| Citation: | MARTÍNEK, J. LENC, L. KRÁL, P. CERISARA, Ch. Multi-lingual Dialogue Act Recognition with Deep Learning Methods. In 20th Annual Conference of the International Speech Communication, Interspeech 2019. Baixas: International Speech Communication Association (ISCA), 2019. s. 1463-1467. ISBN: 978-1-5108-9683-3 , ISSN: 2308-457X |
| Issue Date: | 2019 |
| Publisher: | International Speech Communication Association (ISCA) |
| Document type: | konferenční příspěvek ConferenceObject |
| URI: | 2-s2.0-85095497105 http://hdl.handle.net/11025/46960 |
| ISBN: | 978-1-5108-9683-3 |
| ISSN: | 2308-457X |
| Keywords: | Konvoluční neuronová síť;Hluboké učení;Long Short-Term Memory;Vícejazyčnost;Word2Vec;Dialogové akty |
| Keywords in different language: | convolutional neural network;deep learning;long short-term memory;multilinguality;Word2Vec;dialogue acts |
| Abstract: | Článek se zabývá vícejazyčným rozpoznávání dialogových aktů. Navržené metody jsou založeny na hlubokých neuronových sítích a používají word2vec slovní vektory pro reprezentaci slov. Prezentovány jsou dvě metody. První z nich používá jeden obecný model trénovaný na všech dostupných jazycích, zatímco druhý se natrénuje pouze na jednom jazyku a pomocí lineární transformace dochází k projekci prostorů na zvolený jazyk. Jako klasifikátor jsou použity populární konvoluční neuronové sítě a LSTM. Dle našeho mínění jde o jednu z prvních metod pro vícejazyčnou klasifikaci dialogových aktů pomocí neuronových sítí. Modely jsou testovány experimentálně na dvoujazyčném korpusu Verbmobil |
| Abstract in different language: | This paper deals with multi-lingual dialogue act (DA) recognition. The proposed approaches are based on deep neural networks and use word2vec embeddings for word representation. Two multi-lingual models are proposed for this task. The first approach uses one general model trained on the embeddings from all available languages. The second method trains the model on a single pivot language and a linear transformation method is used to project other languages onto the pivot language. The popular convolutional neural network and LSTM architectures with different set-ups are used as classifiers. To the best of our knowledge this is the first attempt at multi-lingual DA recognition using neural networks. The multi-lingual models are validated experimentally on two languages from the Verbmobil corpus. |
| Rights: | © ISCA |
| Appears in Collections: | Konferenční příspěvky / Conference papers (NTIS) Konferenční příspěvky / Conference Papers (KIV) OBD |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| J.Martínek IS191691_clanek.pdf | 362,56 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/46960Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.