基于说话者交互循环神经网络的多方对话中的收话人与回复选择
计算与语言
2017-11-29 v2
摘要
在本文中，我们研究了多方对话中的收话人与回复选择问题。理解多方对话具有挑战性，因为存在复杂的说话者交互：多个说话者相互交换消息，扮演不同的角色（发送者、收话人、观察者），并且这些角色在不同轮次中变化。为了应对这一挑战，我们提出了说话者交互循环神经网络（SI-RNN）。先前最先进的系统仅更新发送者的说话者嵌入，而SI-RNN使用一种新颖的对话编码器以角色敏感的方式更新说话者嵌入。此外，与先前将收话人和回复分别选择的工作不同，SI-RNN通过将任务视为序列预测问题来联合选择它们。实验结果表明，SI-RNN显著提高了收话人和回复选择的准确性，特别是在具有许多说话者和对多轮之前的远距离消息进行回复的复杂对话中。
引用
@article{arxiv.1709.04005,
title = {Addressee and Response Selection in Multi-Party Conversations with Speaker Interaction RNNs},
author = {Rui Zhang and Honglak Lee and Lazaros Polymenakos and Dragomir Radev},
journal= {arXiv preprint arXiv:1709.04005},
year = {2017}
}
备注
AAAI 2018