中文對話行為識別的機器學習算法研究.pdf

1、對話行為可以在一定程度上反映說話人的意圖，對話行為識別是人機交互設(shè)計、篇章理解和翻譯等工作中的基本要求，因而這一研究在科學和實踐中都具有重要的意義。但是由于描述對話行為的特征具有多種模態(tài)，標簽種類復雜多樣且分布不平衡，常規(guī)的機器學習算法應(yīng)用在中文對話行為識別中的效果差強人意。
　　本文在介紹了對話行為理論的基礎(chǔ)上給出了國內(nèi)外對話行為識別的相關(guān)工作。然后從識別方法和特征選取兩個角度入手，研究對話行為的建模和識別工作。首先通過對CAS

2、IA-CASSIL語料庫中的7920個樣本特征進行分析總結(jié)，提取多模態(tài)特征，為實現(xiàn)進一步的機器學習奠定基礎(chǔ)；鑒于不同的特征有不同的維度對應(yīng)不同的特征空間，將其連接成一個長向量給分類器是不現(xiàn)實的。為了解決這一問題，將傳統(tǒng)有效的SVM方法、多核學習在對話行為識別上進行探究分析，通過多核學習的方法，將原始的特征映射到統(tǒng)一的希爾伯特空間再進行結(jié)合，構(gòu)建出處理多模態(tài)中文言語行為特征的機器學習算法。通過一系列實驗表明，與目前流行的幾種算法相比，多核