用于咨询对话中客户话语分类的对话模型微调
计算与语言
2019-04-02 v1 机器学习
机器学习
摘要
近期基于文本的在线咨询应用激增，使我们能够收集并分析咨询师与客户之间的交互。这些交互的数据集可用于学习自动将客户话语分类为若干类别，从而辅助咨询师诊断客户状态并预测咨询结果。在适当匿名化后，我们收集咨询师-客户对话，与专业咨询师共同定义有意义的客户话语类别，并开发一种用于客户话语分类的新型神经网络模型。我们模型 ConvMFiT 的核心思想是一个预训练对话模型，其由基于域外语料构建的通用语言模型与基于未标注域内对话构建的两个角色特定语言模型组成。分类结果表明 ConvMFiT 优于最先进的对比模型。进一步，所学模型中的注意力权重证实该模型为每一类别找到了预期的语言模式。
引用
@article{arxiv.1904.00350,
title = {Conversation Model Fine-Tuning for Classifying Client Utterances in Counseling Dialogues},
author = {Sungjoon Park and Donghyun Kim and Alice Oh},
journal= {arXiv preprint arXiv:1904.00350},
year = {2019}
}
备注
9 pages, 2 figures, NAACL 2019