基于神经网络的对话趋同语言相似性度量
计算与语言
2021-09-07 v1 机器学习
摘要
语言趋同是一种人们在对话中倾向于相互模仿的现象。量化趋同的核心工具是对话伙伴之间的语言相似性度量。当前大多数相似性度量基于依赖于语言标记的词袋方法，忽略了整体语言结构和对话上下文。为解决此问题，我们提出使用神经网络模型执行趋同的相似性度量。我们的模型具有上下文感知能力，并进一步利用一个新组件来学习跨对话的共享高层语言特征。我们首先研究了新组件的有效性。然后我们使用该模型在基于语料的趋同分析中进行相似性度量。我们在两项评估任务中都观察到了有前景的结果。
引用
@article{arxiv.2109.01924,
title = {A Neural Network-Based Linguistic Similarity Measure for Entrainment in Conversations},
author = {Mingzhi Yu and Diane Litman and Shuang Ma and Jian Wu},
journal= {arXiv preprint arXiv:2109.01924},
year = {2021}
}