Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.author | Martínek, Jiří | |
dc.contributor.author | Lenc, Ladislav | |
dc.contributor.author | Král, Pavel | |
dc.contributor.author | Cerisara, Christophe | |
dc.date.accessioned | 2022-02-21T11:00:16Z | - |
dc.date.available | 2022-02-21T11:00:16Z | - |
dc.date.issued | 2019 | |
dc.identifier.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 | cs |
dc.identifier.isbn | 978-1-5108-9683-3 | |
dc.identifier.issn | 2308-457X | |
dc.identifier.uri | 2-s2.0-85095497105 | |
dc.identifier.uri | http://hdl.handle.net/11025/46960 | |
dc.description.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 | cs |
dc.format | 5 s. | cs |
dc.format.mimetype | application/pdf | |
dc.language.iso | en | en |
dc.publisher | International Speech Communication Association (ISCA) | en |
dc.relation.ispartofseries | 20th Annual Conference of the International Speech Communication, Interspeech 2019 | en |
dc.rights | © ISCA | en |
dc.subject | Konvoluční neuronová síť | cs |
dc.subject | Hluboké učení | cs |
dc.subject | Long Short-Term Memory | cs |
dc.subject | Vícejazyčnost | cs |
dc.subject | Word2Vec | cs |
dc.subject | Dialogové akty | cs |
dc.title | Multi-lingual Dialogue Act Recognition with Deep Learning Methods | en |
dc.title.alternative | Vícejazyčné rozpoznávání dialogových aktů s využitím metod hlubokého učení | cs |
dc.type | konferenční příspěvek | cs |
dc.type | ConferenceObject | en |
dc.rights.access | openAccess | en |
dc.type.version | publishedVersion | en |
dc.description.abstract-translated | 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. | en |
dc.subject.translated | convolutional neural network | en |
dc.subject.translated | deep learning | en |
dc.subject.translated | long short-term memory | en |
dc.subject.translated | multilinguality | en |
dc.subject.translated | Word2Vec | en |
dc.subject.translated | dialogue acts | en |
dc.identifier.doi | 10.21437/Interspeech.2019-1691 | |
dc.type.status | Peer-reviewed | en |
dc.identifier.obd | 43927087 | |
dc.project.ID | SGS-2019-018/Zpracov� heterogenn� dat a jejich specializovan�plikace | cs |
dc.project.ID | EF17_048/0007267/InteCom: VaV inteligentních komponent pokročilých technologií pro plzeňskou metropolitní oblast | cs |
Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference papers (NTIS) Konferenční příspěvky / Conference Papers (KIV) OBD |
Soubory připojené k záznamu:
Soubor | Velikost | Formát | |
---|---|---|---|
J.Martínek IS191691_clanek.pdf | 362,56 kB | Adobe PDF | Zobrazit/otevřít |
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.