IJCoL · Italian Journal
of Computational Linguistics
Vol. 7, n. 1-2 · 2021
of Computational Linguistics
Questo numero speciale su “Computational Dialogue Modelling” discute approcci recenti per la modellazione della pragmatica e il common ground nell’interazione parlata uomo-uomo e uomo-macchina. Il Natural Language Processing (NLP), dati i recenti risultati ottenuti nell’ambito dello studio dei sistemi intelligenti e di elaborazione distribuita della semantica della lingua scritta e parlata, permette ora di costruire agenti interattivi le cui prestazioni diventano sempre più importanti. Semplici modelli “command-based” e metodi per il tracciamento dello stato del dialogo sono ora ampiamente disponibili per task e domini molto limitati mentre la ricerca in NLP si sta dirigendo verso la analisi di scenari più complessi, che hanno bisogno di prendere in considerazione il ruolo della pragmatica nei sistemi di dialogo così come del grounding e del common-ground.
IL VOLUME COMPLETO
è disponibile su:
aAccademia University Press (è richiesta la registrazione)
Openedition
GLI ARTICOLI INDIVIDUALI
possono essere scaricati direttamente da questa pagina
· TABLE OF CONTENTS ·
Knowledge Modelling for Establishment of Common Ground in Dialogue Systems
Lina Varonina, Stefan Kopp
How are gestures used by politicians? A multimodal co-gesture analysis
Daniela Trotta, Raffaele Guarasci
Toward Data-Driven Collaborative Dialogue Systems: The JILDA Dataset
Irene Sucameli, Alessandro Lenci, Bernardo Magnini, Manuela Speranza e Maria Simi
Analysis of Empathic Dialogue in Actual Doctor-Patient Calls and Implications for Design of Embodied Conversational Agents
Sana Salman, Deborah Richards
The Role of Moral Values in the Twitter Debate: a Corpus of Conversations
Marco Stranisci, Michele De Leonardis, Cristina Bosco, Viviana Patti
Computational Grounding: An Overview of Common Ground Applications in Conversational Agents
Maria Di Maro
Cutting melted butter? Common Ground inconsistencies management in dialogue systems using graph databases
Maria Di Maro, Antonio Origlia, Francesco Cutugno
Improving transfer-learning for Data-to-Text Generation via Preserving High-Frequency Phrases and Fact-Checking
Ethan Joseph, Mei Si, Julian Liaonag