28、对话行为的增量识别与预测

对话行为的增量识别与预测

1. 相关工作

当前，对话行为识别的前沿方法是综合利用多模态的所有可用信息源，具体如下：
- 语言信息 ：可从话语的表层形式中获取，涵盖词汇、搭配和句法信息。
- 感知信息 ：来自对话参与者的多个通道，包括话语的声学和韵律特征，以及视觉等其他模态的信息。
- 上下文信息 ：从先前的对话上下文和对话结构中获取，还包括对话场景、对话参与者的知识等全局上下文属性。

多种机器学习技术已成功应用于基于自然语言的对话分析，以下是一些具体的应用案例：
| 技术 | 应用者 | 语料库 | 标注准确率 |
| ---- | ---- | ---- | ---- |
| n - gram语言建模技术 | Reithinger和Klesen（1997） | Verbmobil语料库 | 74.7% |
| 隐马尔可夫模型（HMM） | Stolcke等人（2000） | Switchboard语料库 | 71% |
| 基于转换的学习方法 | Samuel等人（1998） | Verbmobil语料库 | 75.12% |
| 贝叶斯网络 | Keizer（2003） | SCHISMA语料库 | 回顾性功能88%，前瞻性函数73% |
| 基于k - 最近邻算法的基于记忆的方法 | Lendvai等人（2004） | OVIS数据 | 73.8% |

这些方法不仅使用的技术不同，在特征选择策略上也存在差异：
- 部分方法仅依赖输入话语的措辞，采用n -