用于视频求职面试回答转写文本自动评分的分层推理图神经网络
计算与语言
2020-12-23 v1 机器学习
摘要
我们解决了基于异步视频求职面试（AVI）中自动语音识别（ASR）转写文本的特征，自动对候选人能力进行评分的任务。关键挑战在于如何构建问题与答案之间的依赖关系，并对每个问答（QA）对进行语义层面的交互。然而，AVI 中近期多数研究聚焦于如何更好地表示问题与答案，却忽略了它们之间对 QA 评估至关重要的依赖信息与交互。本工作中，我们提出一种分层推理图神经网络（HRGNN）用于问答对的自动评估。具体而言，我们构建句子级关系图神经网络以捕获问题或答案内部及之间句子的依赖信息。基于这些图，我们采用语义级推理图注意力网络来建模当前 QA 会话的交互状态。最后，我们提出门控循环单元编码器来表示时序问答对以进行最终预测。在 CHNAT（一个真实世界数据集）上的实证结果验证了我们提出的模型显著优于基于文本匹配的基准模型。使用 10 个随机种子的消融研究与实验结果也显示了我们模型的有效性与稳定性。
引用
@article{arxiv.2012.11960,
title = {A Hierarchical Reasoning Graph Neural Network for The Automatic Scoring of Answer Transcriptions in Video Job Interviews},
author = {Kai Chen and Meng Niu and Qingcai Chen},
journal= {arXiv preprint arXiv:2012.11960},
year = {2020}
}
备注
9 pages, 2 figures