莫在否定中迷失：一种处理否定的 Twitter 客户服务对话对话行为预测算法
计算与语言
2018-07-18 v1 人工智能
摘要
在过去几年中，企业采用 Twitter 作为与客户互动以解决其问题的替代平台。随着此类非常规对话资源的丰富，开发高效虚拟代理的需求比以往更为迫切。为应对这一挑战，需要更好地理解此类客户服务对话。近来，已有若干工作提出了用于细粒度对话行为的新分类法，并开发了用于自动检测这些行为的算法。这些工作的成果为构建高效虚拟代理这一终极目标提供了垫脚石。但这些工作均未在所提算法中考虑处理否定概念。在本工作中，我们开发了一种基于 SVM 的 Twitter 客户服务对话对话行为预测算法，其中否定处理是端到端解决方案的组成部分。对于否定处理，我们提出了几种高效启发式方法，并采用了近期最先进的第三方基于机器学习的解决方案。我们通过实验表明，与未处理否定时相比，模型在处理否定时性能有所提升。我们的实验表明，对于如推文这类非正式文本，基于启发式的方法更为有效。
引用
@article{arxiv.1807.06107,
title = {Don't get Lost in Negation: An Effective Negation Handled Dialogue Acts Prediction Algorithm for Twitter Customer Service Conversations},
author = {Mansurul Bhuiyan and Amita Misra and Saurabh Tripathy and Jalal Mahmud and Rama Akkiraju},
journal= {arXiv preprint arXiv:1807.06107},
year = {2018}
}