Cross-lingual Approaches for Task-specific Dialogue Act Recognition

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F21%3A43963764" target="_blank" >RIV/49777513:23520/21:43963764 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.scopus.com/record/display.uri?origin=resultslist&eid=2-s2.0-85111867008" target="_blank" >https://www.scopus.com/record/display.uri?origin=resultslist&eid=2-s2.0-85111867008</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-79150-6_19" target="_blank" >10.1007/978-3-030-79150-6_19</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Cross-lingual Approaches for Task-specific Dialogue Act Recognition
Popis výsledku v původním jazyce
In this paper we exploit cross-lingual models to enable dialogue act recognition for specific tasks with a small number of annotations. We design a transfer learning approach for dialogue act recognition and validate it on two dif- ferent target languages and domains. We compute dialogue turn embeddings with both a CNN and multi-head self-attention model and show that the best results are obtained by combining all sources of transferred information. We further demon- strate that the proposed methods significantly outperform related cross-lingual DA recognition approaches.
Název v anglickém jazyce
Cross-lingual Approaches for Task-specific Dialogue Act Recognition
Popis výsledku anglicky
In this paper we exploit cross-lingual models to enable dialogue act recognition for specific tasks with a small number of annotations. We design a transfer learning approach for dialogue act recognition and validate it on two dif- ferent target languages and domains. We compute dialogue turn embeddings with both a CNN and multi-head self-attention model and show that the best results are obtained by combining all sources of transferred information. We further demon- strate that the proposed methods significantly outperform related cross-lingual DA recognition approaches.

Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
IFIP Advances in Information and Communication Technology
ISBN
978-3-030-79149-0
ISSN
1868-4238
e-ISSN
1868-422X
Počet stran výsledku
11
Strana od-do
232-242
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Hersonissos, Kréta, Řecko
Datum konání akce
25. 6. 2021
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—

Podobné výsledky(10)