一种更深层的（自回归）非收敛话语解析方法
计算与语言
2023-05-23 v1 社会与信息网络
摘要
在线社交平台为信息共享和多方可供讨论的繁忙场所。各种对话话语解析框架被开发并用于处理讨论以及预测对话的成效。然而，这些框架大多不适合分析许多在线平台中常见的争议性讨论。Zakharov 等人（2021）最近提出了一种用于争议性对话解析的新颖多标签方案。尽管该模式已较为成熟，但他们提供的计算方法既朴素又低效，因为对于标注方案中的 31 个标签，每个标签都使用不同输入表示的不同模型（架构）进行训练。此外，他们所有的模型都假设完全知晓标签搭配与上下文，这在任何实际场景中都不太可能。在本工作中，我们提出了一种统一的非收敛话语解析（Non-Convergent Discourse Parsing）模型，除先前的对话话语外不需要任何额外输入。我们对 RoBERTa 主干进行微调，通过 GRN 层和一种非对称损失函数将话语、上下文与标签的嵌入相结合。总体而言，我们的模型在不使用标签搭配且不为每个标签训练独特架构/模型的情况下，取得了与 SOTA 相当的结果。
引用
@article{arxiv.2305.12510,
title = {A Deeper (Autoregressive) Approach to Non-Convergent Discourse Parsing},
author = {Yoav Tulpan and Oren Tsur},
journal= {arXiv preprint arXiv:2305.12510},
year = {2023}
}