基于问答的语篇分析：解析待讨论问题的依存结构
计算与语言
2023-05-15 v2
摘要
自动语篇处理受限于数据：当前的语篇形式化体系提出了涉及大规模语篇关系分类体系的高要求标注任务，使其难以为普通标注者所掌握。本文转而采用待讨论问题（Questions Under Discussion, QUD）的语言学框架进行语篇分析，并试图自动推导QUD结构。QUD将每个句子视为对先前语境中触发的某个问题的回答；因此，我们将句子间的关系刻画为自由形式的问题，而非穷尽式的细粒度分类体系。我们开发了首个在完整文档上推导问题依存结构的QUD解析器，使用大规模的众包问答数据集DCQA（Ko et al., 2022）进行训练。人工评估结果表明，采用该众包、可泛化标注方案训练的语言模型可以实现QUD依存解析。我们阐明了我们的QUD结构如何区别于RST树，并展示了QUD分析在文档简化中的效用。我们的发现表明，QUD解析是自动语篇处理的一个有吸引力的替代方案。
引用
@article{arxiv.2210.05905,
title = {Discourse Analysis via Questions and Answers: Parsing Dependency Structures of Questions Under Discussion},
author = {Wei-Jen Ko and Yating Wu and Cutter Dalton and Dananjay Srinivas and Greg Durrett and Junyi Jessy Li},
journal= {arXiv preprint arXiv:2210.05905},
year = {2023}
}
备注
Findings of ACL 2023