摘要

对话行为（Dialogue Act, DA）的识别是许多需要自然语言理解的应用中确定话语含义的重要环节。近年来，基于循环神经网络（Recurrent Neural Network, RNN）的方法在DA分类任务中已展现出良好的性能。本文提出了一种新颖的不确定性话语表示方法，并构建了一个用于上下文无关DA分类的RNN句子模型。该话语表示基于与特定对话行为具有频率关联性的关键词生成。所提出的概率化表示方法在Switchboard DA语料库上进行了测试，并与使用相同基线RNN模型的预训练词嵌入方法进行了性能对比。实验结果表明，该概率方法在整体分类准确率上达到75.48%，较词嵌入表示方法提升了1.8%。这一结果表明，基于统计建模的话语表示方法，能够有效捕捉词汇与对话行为之间的关联，在DA分类任务中具有显著的应用潜力。