A SVM Cascade for Agreement/Disagreement Classification

This article describes a method for classifying dialogue ut terances and detecting the interlocutor's agreement or disagreement. This labellingcan help improve dialogue manage- ment by providing additional information on the utterance' s content without deep parsing. The proposed technique improves upon state of the art approache s by using a Support Vector Ma- chine cascade. A combination of three binary support vector machines in a c ascade is employed to filter out utterances that are easy to classify, thus reducing the noise in the learning of labels for more ambiguous utterances. The approach achieves highe r accuracy (by 2.47%) than the state of the art while using a simpler approach which relies o on shallow local features of the utterances. RESUME. Dans cet article, nous decrivons une methode de classificati on d'utterances destinee a la detection d'accord/desaccord dans le dialogue homme-m achine. L'etiquetage du dialogue peut etre utilise par le dialogue manager sans avoir a effect uer de parse complexe. Nous propo- sons une technique de classification a base d'une hierarchiede classificateurs Support Vector Machines. Une combinaison de trois classificateurs binaire s est utilisee pour filtrer les classes pour lesquelles le corpus contient beaucoup d'informationet se concentrer sur les classes plus ambigues. Cet article presente une analyse detaillee des tr aits caracteristiques de classifica- tion et propose une amelioration de 2.47% sur l'etat de l'arttout en utilisant un modele de classification plus performant.