多方对话中完形填空式阅读理解任务的设计与挑战
计算与语言
2021-07-14 v2 人工智能
机器学习
摘要
本文分析了多方对话中完形填空式阅读理解面临的挑战，并提出了两项新任务，以对日常对话中人物实体的更全面预测。我们首先指出先前工作的评估方法存在显著局限，即样本随机划分至训练与测试数据会大幅降低完形填空式阅读理解的复杂度。据我们分析，以按时间顺序的数据划分取代随机数据划分，使先前单变量篇章补全任务的测试准确率从 72% 降至 34%，从而留下更多改进空间。我们提出的任务扩展了先前的单变量篇章补全任务，以更多变量替换人物提及。我们开发了若干深度学习模型来验证这三项任务。并提供了透彻的错误分析，以理解挑战并指引该研究的未来方向。
引用
@article{arxiv.1911.00773,
title = {Design and Challenges of Cloze-Style Reading Comprehension Tasks on Multiparty Dialogue},
author = {Changmao Li and Tianhao Liu and Jinho D. Choi},
journal= {arXiv preprint arXiv:1911.00773},
year = {2021}
}