• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>AI communications >Domain Action Classification Usinga Maximum Entropy Model In A Schedule management Domain
【24h】

Domain Action Classification Usinga Maximum Entropy Model In A Schedule management Domain

机译：在计划管理域中使用最大熵模型进行域动作分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To generate correct reactions, a dialogue system should identify domain actions indicated by users' utterances because speaker intentions can be captured by the domain actions. In this paper, we propose a domain action classification model to determine speech acts (general intentions) and concept sequences (semantic focuses) at the same time in a schedule management domain. To avoid biased learning problems, the proposed model uses low-level linguistic features and filters out uninforrnative features using statistic. Then, the proposed model determines domain actions using a maximum entropy model. In the experiment, the proposed model showed better performances than previous works in speech act classification. In addition, the proposed model showed high performances in concept sequence classification. Based on these experimental results, we believe that the proposed model will be more helpful to a dialogue system than previous speech act classification models because it can return speech acts and concept sequences at the same time on the same framework.
机译：为了产生正确的反应，对话系统应该识别用户话语指示的域动作，因为说话者的意图可以被域动作捕获。在本文中，我们提出了一种领域动作分类模型，以在计划管理领域中同时确定语音行为（一般意图）和概念序列（语义焦点）。为了避免有偏见的学习问题，建议的模型使用低级语言特征，并使用统计信息过滤掉非无关性特征。然后，提出的模型使用最大熵模型确定领域行动。在实验中，提出的模型在言语行为分类方面表现出比以往更好的性能。此外，所提出的模型在概念序列分类中表现出很高的性能。基于这些实验结果，我们认为该模型比以前的言语行为分类模型对对话系统更有用，因为它可以在同一框架上同时返回言语行为和概念序列。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号