Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorMartínek, Jiří
dc.contributor.authorLenc, Ladislav
dc.contributor.authorKrál, Pavel
dc.contributor.authorCerisara, Christophe
dc.date.accessioned2022-02-21T11:00:16Z-
dc.date.available2022-02-21T11:00:16Z-
dc.date.issued2019
dc.identifier.citationMARTÍNEK, 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: 2308-457Xcs
dc.identifier.isbn978-1-5108-9683-3
dc.identifier.issn2308-457X
dc.identifier.uri2-s2.0-85095497105
dc.identifier.urihttp://hdl.handle.net/11025/46960
dc.description.abstractČlánek 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 Verbmobilcs
dc.format5 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherInternational Speech Communication Association (ISCA)en
dc.relation.ispartofseries20th Annual Conference of the International Speech Communication, Interspeech 2019en
dc.rights© ISCAen
dc.subjectKonvoluční neuronová síťcs
dc.subjectHluboké učenícs
dc.subjectLong Short-Term Memorycs
dc.subjectVícejazyčnostcs
dc.subjectWord2Veccs
dc.subjectDialogové aktycs
dc.titleMulti-lingual Dialogue Act Recognition with Deep Learning Methodsen
dc.title.alternativeVícejazyčné rozpoznávání dialogových aktů s využitím metod hlubokého učenícs
dc.typekonferenční příspěvekcs
dc.typeConferenceObjecten
dc.rights.accessopenAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedThis 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.en
dc.subject.translatedconvolutional neural networken
dc.subject.translateddeep learningen
dc.subject.translatedlong short-term memoryen
dc.subject.translatedmultilingualityen
dc.subject.translatedWord2Vecen
dc.subject.translateddialogue actsen
dc.identifier.doi10.21437/Interspeech.2019-1691
dc.type.statusPeer-revieweden
dc.identifier.obd43927087
dc.project.IDSGS-2019-018/Zpracov� heterogenn� dat a jejich specializovan�plikacecs
dc.project.IDEF17_048/0007267/InteCom: VaV inteligentních komponent pokročilých technologií pro plzeňskou metropolitní oblastcs
Vyskytuje se v kolekcích:Konferenční příspěvky / Conference papers (NTIS)
Konferenční příspěvky / Conference Papers (KIV)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
J.Martínek IS191691_clanek.pdf362,56 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/46960

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD