TAILIEUCHUNG - Báo cáo khoa học: "Learning the Structure of Task-driven Human-Human Dialogs"

Data-driven techniques have been used for many computational linguistics tasks. Models derived from data are generally more robust than hand-crafted systems since they better reflect the distribution of the phenomena being modeled. With the availability of large corpora of spoken dialog, dialog management is now reaping the benefits of data-driven techniques. In this paper, we compare two approaches to modeling subtask structure in dialog: a chunk-based model of subdialog sequences, and a parse-based, or hierarchical, model. . | Learning the Structure of Task-driven Human-Human Dialogs Srinivas Bangalore AT T Labs-Research 180 Park Ave Florham Park NJ 07932 srini@ Giuseppe Di Fabbrizio AT T Labs-Research 180 Park Ave Florham Park NJ 07932 pino@ Amanda Stent Dept of Computer Science Stony Brook University Stony Brook NY stent@ Abstract Data-driven techniques have been used for many computational linguistics tasks. Models derived from data are generally more robust than hand-crafted systems since they better reflect the distribution of the phenomena being modeled. With the availability of large corpora of spoken dialog dialog management is now reaping the benefits of data-driven techniques. In this paper we compare two approaches to modeling subtask structure in dialog a chunk-based model of subdialog sequences and a parse-based orhierarchi-cal model. We evaluate these models using customer agent dialogs from a catalog service domain. 1 Introduction As large amounts of language data have become available approaches to sentence-level processing tasks such as parsing language modeling named-entity detection and machine translation have become increasingly data-driven and empirical. Models for these tasks can be trained to capture the distributions of phenomena in the data resulting in improved robustness and adaptability. However this trend has yet to significantly impact approaches to dialog management in dialog systems. Dialog managers both plan-based and call-flow based for example Di Fabbrizio and Lewis 2004 Larsson et al. 1999 have traditionally been hand-crafted and consequently somewhat brittle and rigid. With the ability to record store and process large numbers of human-human dialogs . from call centers we anticipate that data-driven methods will increasingly influence approaches to dialog management. A successful dialog system relies on the synergistic working of several components speech recognition ASR spoken language understanding .

• Báo cáo khoa học
• Learning the Structure of Task driven
• Human Human Dialogs
• Srinivas Bangalore
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học