基于重参数化 RNN 的可操作邮件意图建模
计算与语言
2017-12-27 v1
摘要
职场中的邮件通常是针对收件人的有意行动召唤。我们提议为这些邮件标注其收件人将采取的行动。我们认为，相较于传统的基于言语行为的邮件意图标注，这种基于行动的标注方式更具可扩展性与理论无关性，同时仍承载重要的语义与语用信息。我们展示了基于行动的标注方案取得了良好的标注者间一致性。我们还展示可利用来自其他领域的线程消息（其在对话中展现出可比较的意图），通过领域自适应 RAINBOW（Recurrently AttentIve Neural Bag-Of-Words）进行利用。在由 IRC、Reddit 与邮件构成的数据集集合上，我们的重参数化 RNN 在若干言语行为相关任务上优于常见的多任务/多领域方法。我们还在邮件收件人行动分类的极小监督场景下进行了实验，发现重参数化 RNN 学到了有用的表示。
引用
@article{arxiv.1712.09185,
title = {Actionable Email Intent Modeling with Reparametrized RNNs},
author = {Chu-Cheng Lin and Dongyeop Kang and Michael Gamon and Madian Khabsa and Ahmed Hassan Awadallah and Patrick Pantel},
journal= {arXiv preprint arXiv:1712.09185},
year = {2017}
}
备注
AAAI 2018