对话语义角色标注
计算与语言
2021-04-13 v1 人工智能
摘要
语义角色标注（SRL）旨在为输入句子中的每个谓词抽取论元。传统 SRL 只能处理单个句子，而对话中频繁出现省略和回指，因此可能无法分析对话。为解决该问题，我们提出对话式 SRL 任务，其中论元可以是对话参与者、对话历史中的短语或当前句子。由于现有 SRL 数据集为句子级别，我们手动标注了 3,000 个闲聊对话（27,198 个句子）的语义角色以推动该方向研究。实验表明，传统 SRL 系统（即使借助共指消解或重写）分析对话表现很差，而对对话历史与参与者的建模极大提升了性能，说明将 SRL 适配到对话对通用对话理解很有前景。我们将 CSRL 应用于对话响应生成和对话上下文重写两个主流对话任务的初步研究，也证实了 CSRL 的实用性。
引用
@article{arxiv.2104.04947,
title = {Conversational Semantic Role Labeling},
author = {Kun Xu and Han Wu and Linfeng Song and Haisong Zhang and Linqi Song and Dong Yu},
journal= {arXiv preprint arXiv:2104.04947},
year = {2021}
}
备注
Accepted by TASLP. arXiv admin note: text overlap with arXiv:2010.01417