基于图卷积网络的对话脱轨预测
计算与语言
2023-06-23 v1
摘要
在线对话尤其容易脱轨，其可表现为不尊重评论或言语虐待等有毒交流模式。对话脱轨预测可提前预判脱轨迹象，从而实现对对话的前摄式审核。当前解决该问题的最优方法依赖将对话视为文本流的序列模型。我们提出一种基于图卷积神经网络的新模型，该模型考虑对话用户动态以及公众感知对对话话语的影响。通过实证评估，我们表明该模型有效捕捉了对话动态，并在 CGA 与 CMV 基准数据集上分别以 1.5% 和 1.7% 的优势优于最优模型。
引用
@article{arxiv.2306.12982,
title = {Conversation Derailment Forecasting with Graph Convolutional Networks},
author = {Enas Altarawneh and Ammeta Agrawal and Michael Jenkin and Manos Papagelis},
journal= {arXiv preprint arXiv:2306.12982},
year = {2023}
}
备注
WOAH, ACL