RESOLVING ABSTRACT ANAPHORIC REFERENCES IN CONVERSATIONAL SYSTEMS USING HIERARCHICALLY STACKED NEURAL NETWORKS

Conversational systems are required to be capable of handling more sophisticated interactions than providing factual answers only. Such interactions are handled by resolving abstract anaphoric references in conversational systems which includes antecedent fact references and posterior fact references. The present disclosure resolves abstract anaphoric references in conversational systems using hierarchically stacked neural networks. In the present disclosure, a deep hierarchical maxpool network based model is used to obtain a representation of each utterance received from users and a representation of one or more generated sequences of utterances. The obtained representations are further used to identify contextual dependencies with in the one or more generated sequences which helps in resolving abstract anaphoric references in conversational systems. Further, a response for an incoming sequence of utterances is retrieved based on classification of incoming sequence of utterances into one or more pre-created responses. The proposed model takes lesser time to retrain. Des systèmes conversationnels sont nécessaires pour que les interactions puissent aller au-delà de la simple fourniture de réponses factuelles en matière de complexité. Les systèmes conversationnels assurent ces types dinteractions au moyen de la résolution de références anaphoriques abstraites, lequel procédé comprend des références aux faits antécédents et des références aux faits postérieurs. La présente divulgation résout les références anaphoriques abstraites dans les systèmes conversationnels au moyen de réseaux neuronaux empilés de manière hiérarchique. Selon la présente divulgation, on utilise un modèle fondé sur un réseau de mise en commun maximal en profondeur pour obtenir une représentation de chaque énonciation faite par les utilisateurs ainsi quune représentation dune ou de plusieurs séquences dénonciations générées. Les représentations obtenues sont également utilisées pour trouver des dépendances contextuelles au sein des séquences générées et ainsi faciliter la résolution de références anaphoriques abstraites dans les systèmes conversationnels. De plus, une réponse à une séquence dénonciations entrante est récupérée en fonction du classement de cette dernière en au moins une réponse créée au préalable. Le modèle proposé peut être entraîné à nouveau en moins de temps.