面向在線群體研討的自動化輔助方法及其應(yīng)用

第1章 緒論
1.1 研究背景
1.1.1 研討平臺中的自動化需求
1.1.2 研討輔助工具與言語行為分類
1.1.3 為兩類典型研討平臺研制輔助工具
1.2 研究問題
1.3 主要內(nèi)容和章節(jié)結(jié)構(gòu)
1.4 研究方法
1.5 主要創(chuàng)新點(diǎn)
第2章 言語行為分類研究綜述
2.1 言語行為與言語行為分類
2.2 言語行為的分類體系
2.3 言語行為識別技術(shù)
2.3.1 n-gram方法
2.3.2 隱馬爾可夫模型
2.3.3 貝葉斯分類器
2.3.4 多層感知器
2.3.5 決策樹
2.3.6 基于轉(zhuǎn)換的學(xué)習(xí)
2.3.7 基于記憶的學(xué)習(xí)
2.3.8 不常使用的技術(shù)
2.3.9 總結(jié)與討論
2.4 研究工具介紹
2.4.1 基于轉(zhuǎn)換的學(xué)習(xí)
2.4.2 支持向量機(jī)
第3章 言語行為自動分類算法
3.1 語料與言語行為關(guān)系定義
3.1.1 語料簡介
3.1.2 言語行為關(guān)系的定義
3.1.3 言語行為類別的統(tǒng)計分布
3.1.4 語料手工標(biāo)注方法
3.2 特征選取
3.2.1 n元語法及其位置
3.2.2 發(fā)言在主題中的位置
3.2.3 前一個發(fā)言的言語行為類別
3.2.4 發(fā)言者信息
3.2.5 發(fā)言者變換
3.2.6 發(fā)言長度
3.3 系統(tǒng)構(gòu)架
3.3.1 預(yù)處理
3.4 特征選擇
3.5 基于轉(zhuǎn)換學(xué)習(xí)的言語行為分類算法
3.5.1 產(chǎn)生潛在規(guī)則集
3.5.2 選擇最優(yōu)規(guī)則
3.5.3 將規(guī)則應(yīng)用到測試集
3.6 基于支持向量機(jī)的言語行為分類算法
3.6.1 訓(xùn)練與測試
3.6.2 SVM數(shù)值參數(shù)選擇
3.7 分階段轉(zhuǎn)換學(xué)習(xí)與類別依賴
第4章 言語行為自動分類算法的實(shí)驗(yàn)與評估
4.1 自動分類算法的結(jié)構(gòu)參數(shù)選擇問題
4.2 測量指標(biāo)
4.3 試運(yùn)行確定各類別分類的難易程度和previous SA的類型
4.3.1 實(shí)驗(yàn)設(shè)計
4.3.2 實(shí)驗(yàn)結(jié)果
4.3.3 各類別分類的難易程度
4.3.4 Previous SA的類型
……
第5章 自動在線督導(dǎo)系統(tǒng)研究
第6章 群體研討中的外部概念支持研究
第7章 群體研討的自動主持人研究
附錄1 PedaBot語料言語行為類別體系
附錄2 PedaBot語料一個典型的thread及標(biāo)注樣例
附錄3 GASS 3系統(tǒng)簡介
參考文獻(xiàn)