Co-GAT：用于对话行为识别与情感分类联合任务的协同交互图注意力网络
计算与语言
2020-12-25 v1
摘要
在对话系统中，对话行为识别与情感分类是捕捉说话人意图的两个相关任务，其中对话行为与情感分别指示显式与隐式意图。对话上下文信息（上下文信息）与相互作用信息是对这两个相关任务有贡献的两个关键因素。遗憾的是，现有方法均未同时考虑这两类重要信息源。本文提出一种协同交互图注意力网络（Co-GAT）以联合执行这两项任务。其核心模块为所提出的协同交互图交互层，其中构建了跨话语连接与跨任务连接，并相互迭代更新，从而实现对两类信息的同时考量。在两个公开数据集上的实验结果表明，我们的模型成功捕获了这两类信息源并取得了最先进（SOTA）性能。此外，我们发现上下文与相互作用信息的贡献与上下文词表示（BERT、Roberta、XLNet）并未完全重叠。
引用
@article{arxiv.2012.13260,
title = {Co-GAT: A Co-Interactive Graph Attention Network for Joint Dialog Act Recognition and Sentiment Classification},
author = {Libo Qin and Zhouyang Li and Wanxiang Che and Minheng Ni and Ting Liu},
journal= {arXiv preprint arXiv:2012.13260},
year = {2020}
}
备注
Accepted by AAAI2021 (Long Paper). arXiv admin note: text overlap with arXiv:2008.06914