基于大语言模型的对话话语注释全自动管道：树状方案生成与标注
计算与语言
2025-06-04 v2
摘要
近期大型语言模型的进展在自动化对话话语注释方面展现出前景。虽然手动设计树状注释方案显著提高了人类和模型的注释质量，但其创建仍然耗时且需要专家知识。我们提出一个全自动管道，使用 LLM 来构建此类方案并执行注释。我们在 speech functions (SFs) 和 Switchboard-DAMSL (SWBD-DAMSL) 分类学上进行评估。我们的实验比较了各种设计选择，我们展示，频率引导的决策树配合高级 LLM 进行注释，可超过以往手动设计的树状结构，甚至与人类注释员相当或更好，同时大大缩短了注释所需的时间。我们发布了所有代码和生成的方案及注释，以促进未来在话语注释方面的研究。
引用
@article{arxiv.2504.08961,
title = {A Fully Automated Pipeline for Conversational Discourse Annotation: Tree Scheme Generation and Labeling with Large Language Models},
author = {Kseniia Petukhova and Ekaterina Kochmar},
journal= {arXiv preprint arXiv:2504.08961},
year = {2025}
}