Automatically Deducing Probabilistic Dialogue Models from an IFT-Annotated Dialogue Corpus
Kenji Kita, Y. Fukui, Masaaki Nagata, Tsuyoshi Morimoto · Journal of Natural Language Processing · 1997
コーパスに基づく確率的言語モデルとして, 従来は主に語彙統語論的なモデルが扱われてきた. 我々は, より高次の言語情報である対話に対する確率的モデルを, コーパスから自動的に生成するための研究を行った. 本研究で用いたコーパスは, ATR対話データベース中の「国際会議参加登録」に関する対話データであり, 各発話文には, 発話者のラベルおよび陳述・命令・約束などの発話行為タイプが付与されている. 本技術資料では, これらのコーパスから, 2種類の方法を用いて, 確率的な対話モデルを生成する. まず初めに, エルゴードHMM (Hidden Markov Model) を用いて, コーパス中の話者ラベルおよび発話行為タイプの系列をモデル化した. 次に, ALERGIAアルゴリズムと呼ばれる, 状態マージング手法に基づいた学習アルゴリズムを用いて, 話者ラベルおよび発話行為タイプの系列をモデル化した. エルゴードHMMの場合には, 確率モデルの学習に先立ち, モデルの状態数をあらかじめ決めておく必要があるが, ALERGIAアルゴリズムでは, 状態の統合化を繰り返すことにより, 最適な状態数を持つモデルを自動的に構成することが可能である. エルゴードHMMあるいはALERGIAアルゴリズムを用いることにより, 話者の交替や質問・応答・確認といった会話の基本的な構造を確率・統計的にモデル化することができた. また, 得られた確率的対話モデルを, 情報理論的な観点から評価した.