S2T2

Une approche d'apprentissage semi-supervisée avec deux enseignants pour améliorer l'identification de la rupture dans les dialogues

Ce référentiel contient des codes de l'article "Une approche d'apprentissage semi-supervisée avec deux enseignants pour améliorer l'identification de panne dans les dialogues" publié dans AAAI 2022.

Exigences

Vérifiez les dépendances dans requirements.txt , installez les packages requis (avec Python 3.6.8):

 pip install -r requirements.txt

Données

Reportez-vous à README dans chaque sous-répertoire [dataset] pour les instructions de la récupération des données et du prétraitement.

Entraînement

Suivez les commandes de formation dans [dataset]/run.sh .

Les modèles formés peuvent être spécifiés et téléchargés en exécutant bash get_trained_models.sh .

Évaluation

Reportez-vous à README dans chaque sous-répertoire [dataset] pour les étapes d'évaluation.

Publication

Si vous utilisez le code source ou les modèles à partir de ce travail, veuillez citer notre article:

 @inproceedings{lin2022semi,
  author    = "Lin, Qian and Ng, Hwee Tou",
  title     = "A Semi-supervised Learning Approach with Two Teachers to Improve Breakdown Identification in Dialogues",
  booktitle = "Proceedings of the AAAI Conference on Artificial Intelligence",
  year      = "2022",
  pages     = "11011--11019",
}

Licence

Le code source et les modèles de ce référentiel sont sous licence sous GNU GPL 3.0 (voir Licence) à usage non commercial. Pour l'utilisation commerciale de ce code, une licence commerciale distincte est également disponible. Veuillez contacter le professeur Hwee Tou ng ([email protected]).