multitask_disfluency_detection

Detección de disfluicidad multitarea

Código para el documento "Learning de tareas múltiples para la detección de desluencia hablada de dominio general en sistemas de diálogo" (Igor Shalyminov, Arash Eshghi y Oliver Lemon) [Documento de Semdial 2018] [Dedactivos]

Arquitectura modelo

Empezando

1. Configurar el entorno (a continuación hay pasos para conda):

$ cd code-directory
$ git submodule update --init
$ conda create -n multitask_disfluency python=2.7
$ conda activate multitask_disfluency
$ pip install -r requirements.txt

2. Preprocese el conjunto de datos de la placa para capacitación:

$ python make_deep_disfluency_dataset.py swbd disfluency

3. Entrena el modelo:

$ python train.py swbd model

BABI+ Generación de datos del estudio de disfluencia

1. Obtenga las herramientas BABI e instale los requisitos
2. Descargar tareas de diálogo Babi en la carpeta babi_tools
3. Ejecutar sh make_generalization_study_datasets.sh <RESULT_FOLDER>
4. Ejecutar sh tag_dataset.sh <RESULT_FOLDER> <config_file_name> para cada configuración en 2018_generalization_study_configs
5. Los conjuntos de datos resultantes son <RESULT_FOLDER>/<BABI_DATASET_NAME>/*.tagged.json