中文對(duì)話行為識(shí)別的機(jī)器學(xué)習(xí)算法研究

1、中文對(duì)話中文對(duì)話行為識(shí)別的機(jī)器學(xué)習(xí)算法研究行為識(shí)別的機(jī)器學(xué)習(xí)算法研究ResearchonDialogActRecognitionMachineLearningAlgithm學(xué)科專業(yè)：軟件工程研究生：王緒霄指導(dǎo)教師：石紅副教授天津大學(xué)軟件學(xué)院二零一五年五月萬方數(shù)據(jù)摘要對(duì)話行為可以在一定程度上反映說話人的意圖，對(duì)話行為識(shí)別是人機(jī)交互設(shè)計(jì)、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(xué)和實(shí)踐中都具有重要的意義。但是由于描述對(duì)話行為的特征

2、具有多種模態(tài)，標(biāo)簽種類復(fù)雜多樣且分布不平衡，常規(guī)的機(jī)器學(xué)習(xí)算法應(yīng)用在中文對(duì)話行為識(shí)別中的效果差強(qiáng)人意。本文在介紹了對(duì)話行為理論的基礎(chǔ)上給出了國(guó)內(nèi)外對(duì)話行為識(shí)別的相關(guān)工作。然后從識(shí)別方法和特征選取兩個(gè)角度入手，研究對(duì)話行為的建模和識(shí)別工作。首先通過對(duì)CASIACASSIL語料庫(kù)中的7920個(gè)樣本特征進(jìn)行分析總結(jié)，提取多模態(tài)特征，為實(shí)現(xiàn)進(jìn)一步的機(jī)器學(xué)習(xí)奠定基礎(chǔ)；鑒于不同的特征有不同的維度對(duì)應(yīng)不同的特征空間，將其連接成一個(gè)長(zhǎng)向量給分類器是不現(xiàn)

3、實(shí)的。為了解決這一問題，將傳統(tǒng)有效的SVM方法、多核學(xué)習(xí)在對(duì)話行為識(shí)別上進(jìn)行探究分析，通過多核學(xué)習(xí)的方法，將原始的特征映射到統(tǒng)一的希爾伯特空間再進(jìn)行結(jié)合，構(gòu)建出處理多模態(tài)中文言語行為特征的機(jī)器學(xué)習(xí)算法。通過一系列實(shí)驗(yàn)表明，與目前流行的幾種算法相比，多核學(xué)習(xí)的方法有效地提高了對(duì)話行為的識(shí)別正確率。在言語行為識(shí)別的分類算法方面，針對(duì)特征數(shù)據(jù)多模態(tài)和分布不平衡的特點(diǎn)，本文提出的這種適應(yīng)后的多核支持向量機(jī)算法，相較于其他算法，更能夠抓住對(duì)話行為