DCR-Net：一种用于对话行为识别与情感分类联合任务的深度协同交互关系网络
计算与语言
2020-08-18 v1
摘要
在对话系统中，对话行为识别和情感分类是捕捉说话人意图的两个相关任务，其中对话行为和情感分别指示显式与隐式意图。现有系统大多将二者视为独立任务，或仅通过隐式共享参数联合建模，而未显式建模任务间的交互与关系。为此，我们提出深度协同交互关系网络（DCR-Net），通过引入协同交互关系层显式考虑跨任务影响并建模两任务间的交互。此外，所提关系层可堆叠以通过多步交互逐步捕获互知识。特别地，我们深入研究了不同关系层及其效果。在两个公开数据集（Mastodon 和 Dailydialog）上的实验结果表明，我们的模型在对话行为识别任务上以 F1 分数分别超越最先进联合模型 4.3% 和 3.4%，在情感分类上分别超越 5.7% 和 12.4%。综合分析实证验证了显式建模两任务关系及多步交互机制的有效性。最后，我们在框架中采用来自 Transformer 的双向编码器表示（BERT），可进一步提升两任务性能。
引用
@article{arxiv.2008.06914,
title = {DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification},
author = {Libo Qin and Wanxiang Che and Yangming Li and Minheng Ni and Ting Liu},
journal= {arXiv preprint arXiv:2008.06914},
year = {2020}
}
备注
Accepted by AAAI2020 (Oral)