CSAGN:面向对话语义角色标注的对话结构感知图网络
计算与语言
2021-11-05 v2 人工智能
机器学习
摘要
对话语义角色标注(CSRL)被认为是迈向对话理解的关键一步。然而,现有 CSRL 解析器处理对话结构信息仍是一大挑战。本文中,我们提出了一种简单而有效的 CSRL 架构以解决该问题。我们的模型基于显式编码说话人相关信息的对话结构感知图网络。我们还提出了一种多任务学习方法来进一步提升模型性能。在基准数据集上的实验结果表明,采用我们所提出训练目标的模型显著优于以往基线。
引用
@article{arxiv.2109.11541,
title = {CSAGN: Conversational Structure Aware Graph Network for Conversational Semantic Role Labeling},
author = {Han Wu and Kun Xu and Linqi Song},
journal= {arXiv preprint arXiv:2109.11541},
year = {2021}
}
备注
To appear in EMNLP 2021