从专家获取知识：面向认知任务分析的自动转录解析
计算与语言
2019-06-28 v1
摘要
认知任务分析（Cognitive Task Analysis, CTA）是应用心理学中的一种分析方法，旨在获取和表示领域专家的知识和思维过程。在 CTA 中，通常需要大量人力将访谈转录解析为结构化知识（例如不同行动的流程图）。为减少人力并扩大规模，自动化的 CTA 转录解析是可取的。然而，该任务具有独特挑战：(1) 需要理解对话文本中的长程上下文信息；(2) 标注数据量有限且是间接的——即上下文感知、有噪声且低资源。本文提出一个用于自动化 CTA 转录解析的弱监督信息抽取框架。我们将解析过程划分为序列标注任务和文本片段对关系抽取任务，并利用人工整理协议文件提供远程监督。为建模用于抽取句子关系的长程上下文信息，相邻句子被纳入作为输入的一部分。随后应用了不同类型的模型来捕捉上下文依赖。我们手动标注了真实世界的 CTA 转录，以促进对解析任务的评估。
引用
@article{arxiv.1906.11384,
title = {Eliciting Knowledge from Experts:Automatic Transcript Parsing for Cognitive Task Analysis},
author = {Junyi Du and He Jiang and Jiaming Shen and Xiang Ren},
journal= {arXiv preprint arXiv:1906.11384},
year = {2019}
}
备注
In proceedings of ACL 2019