会話ジャンルにおける潜在的な伝記属性のモデリング

本論文では、性別、年齢、母国語などの伝記属性の潜在的分類に関するいくつかのオリジナル技術を提示し、評価します。対象とするジャンル（会話のトランスクリプト、メール）と言語（アラビア語、英語）においてです。まず、同じ性別と異なる性別の会話で観察される語彙の使用や談話スタイルの違いを考慮して、会話中の伝記属性を抽出するための新しいパートナー感受性モデルを提示します。その後、平均発話長、受動/能動の使用、会話の支配率、発話速度、フィラーワードの使用など、創造的で多様な社会言語学的および談話に基づく特徴を探ります。累積的に、Switchboard上の個別会話を分類するための標準的なBoulis及びOstendorf（2005）アルゴリズムに対して最大20%の誤差削減が達成され、Switchboardコーパス（集約）及び湾岸アラビア語コーパスにおける性別検出の精度は95%を超えます。