基于文档级异构图注意力网络的对话关系抽取
计算与语言
2021-06-22 v3
摘要
对话关系抽取（DRE）旨在检测多方对话中提及的两个实体之间的关系。它在从互联网上日益丰富的对话数据构建知识图谱以及促进智能对话系统开发方面发挥着重要作用。已有的 DRE 方法并未有意义地利用说话人信息——它们仅将话语前附相应的说话人名称。因此，它们未能建模可能通过代词和触发词为相关论元实体提供额外上下文的关键说话人之间的关系。而我们提出了一种基于图注意力网络的 DRE 方法，其中构建了一个包含有意义连接的说话人、实体、实体类型和话语节点的图。该图被输入图注意力网络以在相关节点间进行上下文传播，从而有效捕获对话上下文。我们通过实验表明，这种基于图的方法能相当有效地捕获对话中不同实体对之间的关系，因为它在基准数据集 DialogRE 上以显著优势优于最先进的方法。我们的代码发布于：https://github.com/declare-lab/dialog-HGAT
引用
@article{arxiv.2009.05092,
title = {Dialogue Relation Extraction with Document-level Heterogeneous Graph Attention Networks},
author = {Hui Chen and Pengfei Hong and Wei Han and Navonil Majumder and Soujanya Poria},
journal= {arXiv preprint arXiv:2009.05092},
year = {2021}
}