Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Detecting problematic turns in human-machine interactions: Rule-induction versus memory-based learning approaches"

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

We address the issue of on-line detection of communication problems in spoken dialogue systems. The usefulness is investigated of the sequence of system question types and the word graphs corresponding to the respective user utterances. By applying both ruleinduction and memory-based learning techniques to data obtained with a Dutch train time-table information system, the current paper demonstrates that the aforementioned features indeed lead to a method for problem detection that performs significantly above baseline. The results are interesting from a dialogue perspective since they employ features that are present in the majority of spoken dialogue systems and can be.

TÀI LIỆU LIÊN QUAN

Báo cáo khoa học: "Detecting Semantic Equivalence and Information Disparity in Cross-lingual Documents"

Báo cáo khoa học: "A System for Detecting Subgroups in Online Discussions"

Báo cáo khoa học: "Detecting Errors in Automatically-Parsed Dependency Relations"

Báo cáo khoa học: "Detecting Experiences from Weblogs"

Báo cáo khoa học: "Peeling Back the Layers: Detecting Event Role Fillers in Secondary Contexts"

Báo cáo khoa học: "Detecting Compositionality in Multi-Word Expressions"

Báo cáo khoa học: "A Feedback-Augmented Method for Detecting Errors in the Writing of Learners of English"

Báo cáo khoa học: "Detecting Erroneous Sentences using Automatically Mined Sequential Patterns"

Báo cáo khoa học: "Detecting Semantic Relations between Named Entities in Text Using Contextual Features"

Báo cáo khoa học: "Detecting Errors in Discontinuous Structural Annotation"
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.