同意与不同意：利用双GRU改进分歧检测
计算与语言
2017-08-21 v1
摘要
本文提出了用于检测在线讨论中同意/分歧的模型。在这项工作中，我们展示了通过使用一种受孪生网络启发的架构来编码讨论，我们不再需要依赖手工制作的特征来利用元线程结构。我们在现有的在线讨论语料库——ABCD、IAC和AWTP上评估了我们的模型。在ABCD数据集上的实验结果表明，通过融合词汇和词嵌入特征，我们的模型达到了0.804平均F1分数的当前最优性能。我们还表明，在ABCD数据集上训练的模型在相对较小的标注数据集（IAC和AWTP）上表现出了竞争力。
引用
@article{arxiv.1708.05582,
title = {Agree to Disagree: Improving Disagreement Detection with Dual GRUs},
author = {Sushant Hiray and Venkatesh Duppada},
journal= {arXiv preprint arXiv:1708.05582},
year = {2017}
}
备注
In Proc. 7th Affective Computing and Intelligent Interaction (ACII'17), San Antonio, TX, USA, Oct. 23-26, 2017