CREAD：对话中指代与省略的联合消解
人工智能
2021-05-21 v1
摘要
指代与省略是对话中两种常见现象。若不解决指称表达式与信息省略问题，对话系统可能无法生成一致且连贯的回复。传统上，指代通过共指消解解决，省略通过查询重写解决。在本工作中，我们提出了一种新颖的联合学习框架，对复杂多轮对话理解中的共指消解与查询重写进行建模。给定用户与对话助手之间的进行中对话，对于用户查询，我们的联合学习模型首先预测查询与对话上下文之间的共指链接，然后生成自包含的重写用户查询。为评估我们的模型，我们标注了一个基于对话的共指消解数据集 MuDoCo，并附有重写查询。结果表明，在共指建模的辅助下，查询重写的性能可得到显著提升（+2.3% F1）。此外，我们的联合模型在该数据集上优于最先进的共指消解模型（+2% F1）。
引用
@article{arxiv.2105.09914,
title = {CREAD: Combined Resolution of Ellipses and Anaphora in Dialogues},
author = {Bo-Hsiang Tseng and Shruti Bhargava and Jiarui Lu and Joel Ruben Antony Moniz and Dhivya Piraviperumal and Lin Li and Hong Yu},
journal= {arXiv preprint arXiv:2105.09914},
year = {2021}
}
备注
Accepted as a long paper in the main conference by NAACL 2021