@inproceedings{rosset-tribout-2005-detection,
    title = "D{\'e}tection automatique d`actes de dialogue par l`utilisation d`indices multiniveaux",
    author = "Rosset, Sophie  and
      Tribout, Delphine",
    editor = "Jardino, Mich{\`e}le",
    booktitle = "Actes de la 12{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Articles longs",
    month = jun,
    year = "2005",
    address = "Dourdan, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/Author-page-Marten-During-lu/2005.jeptalnrecital-long.29/",
    pages = "281--290",
    language = "fra",
    abstract = "Ces derni{\`e}res ann{\'e}es, il y a eu de nombreux travaux portant sur l`utilisation d`actes de dialogue pour caract{\'e}riser les dialogues homme-homme ou homme-machine. Cet article fait {\'e}tat de nos travaux sur la d{\'e}tection automatique d`actes de dialogue dans des corpus r{\'e}els de dialogue homme-homme. Notre travail est fond{\'e} essentiellement sur deux hypoth{\`e}ses . (i) la position des mots et la classe s{\'e}mantique du mot sont plus importants que les mots eux-m{\^e}mes pour identifier l`acte de dialogue et (ii) il y a une forte pr{\'e}dictivit{\'e} dans la succession des actes de dialogues port{\'e}s sur un m{\^e}me segment dialogique. Une approche de type Memory Based Learning a {\'e}t{\'e} utilis{\'e}e pour la d{\'e}tection automatique des actes de dialogue. Le premier mod{\`e}le n`utilise pas d`autres informations que celles contenus dans le tour de parole. Dans lex exp{\'e}riences suivantes, des historiques dialogiques de taille variables sont utilis{\'e}s. Le taux d`erreur de d{\'e}tection d`actes de dialogue est d`environ 16{\%} avec le premier mod{\`e}le est descend avec une utilisation plus large de l`historique du dialogue {\`a} environ 14{\%}."
}