@inproceedings{rosset-tribout-2005-detection,
title = "D{\'e}tection automatique d{'}actes de dialogue par l{'}utilisation d{'}indices multiniveaux",
author = "Rosset, Sophie and
Tribout, Delphine",
editor = "Jardino, Mich{\`e}le",
booktitle = "Actes de la 12{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
month = jun,
year = "2005",
address = "Dourdan, France",
publisher = "ATALA",
url = "https://aclanthology.org/2005.jeptalnrecital-long.29",
pages = "281--290",
abstract = "Ces derni{\`e}res ann{\'e}es, il y a eu de nombreux travaux portant sur l{'}utilisation d{'}actes de dialogue pour caract{\'e}riser les dialogues homme-homme ou homme-machine. Cet article fait {\'e}tat de nos travaux sur la d{\'e}tection automatique d{'}actes de dialogue dans des corpus r{\'e}els de dialogue homme-homme. Notre travail est fond{\'e} essentiellement sur deux hypoth{\`e}ses . (i) la position des mots et la classe s{\'e}mantique du mot sont plus importants que les mots eux-m{\^e}mes pour identifier l{'}acte de dialogue et (ii) il y a une forte pr{\'e}dictivit{\'e} dans la succession des actes de dialogues port{\'e}s sur un m{\^e}me segment dialogique. Une approche de type Memory Based Learning a {\'e}t{\'e} utilis{\'e}e pour la d{\'e}tection automatique des actes de dialogue. Le premier mod{\`e}le n{'}utilise pas d{'}autres informations que celles contenus dans le tour de parole. Dans lex exp{\'e}riences suivantes, des historiques dialogiques de taille variables sont utilis{\'e}s. Le taux d{'}erreur de d{\'e}tection d{'}actes de dialogue est d{'}environ 16{\%} avec le premier mod{\`e}le est descend avec une utilisation plus large de l{'}historique du dialogue {\`a} environ 14{\%}.",
language = "French",
}
<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="rosset-tribout-2005-detection">
<titleInfo>
<title>Détection automatique d’actes de dialogue par l’utilisation d’indices multiniveaux</title>
</titleInfo>
<name type="personal">
<namePart type="given">Sophie</namePart>
<namePart type="family">Rosset</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Delphine</namePart>
<namePart type="family">Tribout</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2005-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">French</languageTerm>
<languageTerm type="code" authority="iso639-2b">fre</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs</title>
</titleInfo>
<name type="personal">
<namePart type="given">Michèle</namePart>
<namePart type="family">Jardino</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Dourdan, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Ces dernières années, il y a eu de nombreux travaux portant sur l’utilisation d’actes de dialogue pour caractériser les dialogues homme-homme ou homme-machine. Cet article fait état de nos travaux sur la détection automatique d’actes de dialogue dans des corpus réels de dialogue homme-homme. Notre travail est fondé essentiellement sur deux hypothèses . (i) la position des mots et la classe sémantique du mot sont plus importants que les mots eux-mêmes pour identifier l’acte de dialogue et (ii) il y a une forte prédictivité dans la succession des actes de dialogues portés sur un même segment dialogique. Une approche de type Memory Based Learning a été utilisée pour la détection automatique des actes de dialogue. Le premier modèle n’utilise pas d’autres informations que celles contenus dans le tour de parole. Dans lex expériences suivantes, des historiques dialogiques de taille variables sont utilisés. Le taux d’erreur de détection d’actes de dialogue est d’environ 16% avec le premier modèle est descend avec une utilisation plus large de l’historique du dialogue à environ 14%.</abstract>
<identifier type="citekey">rosset-tribout-2005-detection</identifier>
<location>
<url>https://aclanthology.org/2005.jeptalnrecital-long.29</url>
</location>
<part>
<date>2005-06</date>
<extent unit="page">
<start>281</start>
<end>290</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Détection automatique d’actes de dialogue par l’utilisation d’indices multiniveaux
%A Rosset, Sophie
%A Tribout, Delphine
%Y Jardino, Michèle
%S Actes de la 12ème conférence sur le Traitement Automatique des Langues Naturelles. Articles longs
%D 2005
%8 June
%I ATALA
%C Dourdan, France
%G French
%F rosset-tribout-2005-detection
%X Ces dernières années, il y a eu de nombreux travaux portant sur l’utilisation d’actes de dialogue pour caractériser les dialogues homme-homme ou homme-machine. Cet article fait état de nos travaux sur la détection automatique d’actes de dialogue dans des corpus réels de dialogue homme-homme. Notre travail est fondé essentiellement sur deux hypothèses . (i) la position des mots et la classe sémantique du mot sont plus importants que les mots eux-mêmes pour identifier l’acte de dialogue et (ii) il y a une forte prédictivité dans la succession des actes de dialogues portés sur un même segment dialogique. Une approche de type Memory Based Learning a été utilisée pour la détection automatique des actes de dialogue. Le premier modèle n’utilise pas d’autres informations que celles contenus dans le tour de parole. Dans lex expériences suivantes, des historiques dialogiques de taille variables sont utilisés. Le taux d’erreur de détection d’actes de dialogue est d’environ 16% avec le premier modèle est descend avec une utilisation plus large de l’historique du dialogue à environ 14%.
%U https://aclanthology.org/2005.jeptalnrecital-long.29
%P 281-290
Markdown (Informal)
[Détection automatique d’actes de dialogue par l’utilisation d’indices multiniveaux](https://aclanthology.org/2005.jeptalnrecital-long.29) (Rosset & Tribout, JEP/TALN/RECITAL 2005)
ACL