A SVM Cascade for Agreement/Disagreement Classification
Pierre Andrews, Suresh Manandhar · 2009
ABSTRACT. This article describes a method for classifying dialogue utterances and detecting the interlocutor’s agreement or disagreement. This labelling can help improve dialogue management by providing additional information on the utterance’s content without deep parsing. The proposed technique improves upon state of the art approaches by using a Support Vector Machine cascade. A combination of three binary support vector machines in a cascade is employed to filter out utterances that are easy to classify, thus reducing the noise in the learning of labels for more ambiguous utterances. The approach achieves higher accuracy (by 2.47%) than the state of the art while using a simpler approach which relies only on shallow local features of the utterances. RÉSUMÉ. Dans cet article, nous décrivons une méthode de classification d’uttérances destinée à la detection d’accord/désaccord dans le dialogue homme-machine. L’étiquetage du dialogue peut être utilisé par le dialogue manager sans avoir à effectuer de parse complexe. Nous proposons une technique de classification à base d’une hiérarchie de classificateurs Support Vector Machines. Une combinaison de trois classificateurs binaires est utilisée pour filtrer les classes pour lesquelles le corpus contient beaucoup d’information et se concentrer sur les classes plus ambigües. Cet article présente une analyse détaillée des traits caractéristiques de classification et propose une amélioration de 2.47 % sur l’état de l’art tout en utilisant un modèle de classification plus performant.