論文の概要: A Hybrid Framework for Topic Structure using Laughter Occurrences

• arxiv url: http://arxiv.org/abs/2001.00573v1
• Date: Tue, 31 Dec 2019 23:31:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 20:23:20.490718
• Title: A Hybrid Framework for Topic Structure using Laughter Occurrences
• Title（参考訳）: Laughter Occurrences を用いたトピック構造用ハイブリッドフレームワーク
• Authors: Sucheta Ghosh
• Abstract要約: この作業では、パラ言語的知識と言語的知識を多段階階層を通してハイブリッドフレームワークに組み合わせます。 笑いの発生は、ICSIデータベースの多人数会議記録からパラ言語情報として使用される。 このトレーニング不要なトピック構造化アプローチは、音声対話のオンライン理解に適用できる。
• 参考スコア（独自算出の注目度）: 0.3680403821470856
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Conversational discourse coherence depends on both linguistic and paralinguistic phenomena. In this work we combine both paralinguistic and linguistic knowledge into a hybrid framework through a multi-level hierarchy. Thus it outputs the discourse-level topic structures. The laughter occurrences are used as paralinguistic information from the multiparty meeting transcripts of ICSI database. A clustering-based algorithm is proposed that chose the best topic-segment cluster from two independent, optimized clusters, namely, hierarchical agglomerative clustering and $K$-medoids. Then it is iteratively hybridized with an existing lexical cohesion based Bayesian topic segmentation framework. The hybrid approach improves the performance of both of the stand-alone approaches. This leads to the brief study of interactions between topic structures with discourse relational structure. This training-free topic structuring approach can be applicable to online understanding of spoken dialogs.
• Abstract（参考訳）: 会話談話の一貫性は言語現象とパラ言語現象の両方に依存する。 この作業では、パラ言語的知識と言語的知識を多段階階層を通してハイブリッドフレームワークに組み合わせます。 これにより、談話レベルのトピック構造が出力される。 笑いはICSIデータベースの多人数会議記録からパラ言語情報として使用される。 階層的集約クラスタリングと$K$-medoidsという2つの独立した最適化クラスタから、最高のトピックセグメンテーションクラスタを選択するクラスタリングベースのアルゴリズムを提案する。 その後、既存の語彙結合ベースのベイズトピックセグメンテーションフレームワークと反復的にハイブリダイゼーションされる。 ハイブリッドアプローチは、両方のスタンドアローンアプローチのパフォーマンスを改善する。 これにより、話題構造と談話関係構造との相互作用に関する簡単な研究が導かれる。 このトレーニングフリーなトピック構造化アプローチは、音声対話のオンライン理解に適用できる。

関連論文リスト

• Unsupervised Mutual Learning of Dialogue Discourse Parsing and Topic Segmentation [38.956438905614256]
  修辞構造とトピック構造は、主に別々にモデル化されるか、または以前の作業で他方を補助する。 本稿では,グローバル・ローカル・コネクティビティを活用した2つの構造物の教師なし相互学習フレームワークを提案する。 また、局所コヒーレンス整合性を確保するために、グラフニューラルネットワークモデルを用いて、レトリック構造をトピック構造に組み込む。
  論文  参考訳（メタデータ） (2024-05-30T08:10:50Z)
• With a Little Help from my (Linguistic) Friends: Topic Segmentation of Multi-party Casual Conversations [0.565395466029518]
  本稿では,最近の機械学習に基づくトピックセグメンテーションモデルと同等の精度を達成しようとする。 このタスクで意味のあるものとして認識する機能は、会話の話題構造をよりよく理解するのに役立ちます。
  論文  参考訳（メタデータ） (2024-02-05T09:48:07Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
  本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。 我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。 我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-06-06T19:17:47Z)
• ClusTop: An unsupervised and integrated text clustering and topic extraction framework [3.3073775218038883]
  教師なしテキストクラスタリングとトピック抽出フレームワーク(ClusTop)を提案する。 フレームワークには、拡張言語モデルトレーニング、次元削減、クラスタリング、トピック抽出の4つのコンポーネントが含まれている。 2つのデータセットの実験は、我々のフレームワークの有効性を実証している。
  論文  参考訳（メタデータ） (2023-01-03T03:26:26Z)
• Topic Taxonomy Expansion via Hierarchy-Aware Topic Phrase Generation [58.3921103230647]
  TopicExpanというトピック分類拡張のための新しいフレームワークを提案する。 TopicExpanは、新しいトピックに属するトピック関連用語を直接生成する。 2つの実世界のテキストコーパスの実験結果から、TopicExpanは出力の質という点で他のベースライン手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-18T22:38:49Z)
• HyperMiner: Topic Taxonomy Mining with Hyperbolic Embedding [54.52651110749165]
  本稿では,単語や話題を表現するために,メタボリック埋め込みを導入した新しいフレームワークを提案する。 双曲空間のツリー様性により、下層のセマンティック階層はより解釈可能なトピックをマイニングするためによりうまく利用することができる。
  論文  参考訳（メタデータ） (2022-10-16T02:54:17Z)
• Context-Aware Interaction Network for Question Matching [51.76812857301819]
  本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
  論文  参考訳（メタデータ） (2021-04-17T05:03:56Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)
• Topic Detection from Conversational Dialogue Corpus with Parallel Dirichlet Allocation Model and Elbow Method [1.599072005190786]
  並列遅延ディリクレアロケーション(PLDA)モデルを用いたトピック検出手法を提案する。 クラスタ内での一貫性の解釈と検証には,Elbow Method を用いた K-mean クラスタリングを用いる。 実験の結果,PLDAとElbow法を組み合わせることで,最適なクラスタ数を選択し,会話のトピックを洗練できることがわかった。
  論文  参考訳（メタデータ） (2020-06-05T10:24:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。