社交对话中以实体为中心的上下文追踪统一方法

在人人对话中，上下文追踪涉及识别重要实体并跟踪其属性与关系。这是一个具有挑战性的问题，涵盖若干子任务，如槽位标注、共指消解、复数指代消解和实体链接。我们将此问题视为端到端建模任务，其中对话上下文由一个实体仓库表示，该仓库包含迄今提及的实体引用、它们的属性以及它们之间的关系。仓库逐轮更新，从而使得即便对于长对话，训练和推理在计算上也是高效的。本文从两方面为研究该框架奠定基础。首先，我们发布 Contrack，一个大规模人人对话语料库，用于带有人员和位置标注的上下文追踪。它包含超过 7000 段对话，平均每段 11.8 轮、5.8 个实体和 15.2 个引用。其次，我们开源了一个用于上下文追踪的神经网络架构。最后，我们将该网络与其所涵盖子任务的最先进方法进行比较，并报告相关的权衡结果。