使用因果学习解释多方对话的结果
人工智能
2021-05-07 v1 计算与语言
机器学习
摘要
多方对话在企业社交媒体中在技术性和非技术性话题上均很常见。对话的结果可能是正面的或负面的。从冲突分析以及未来协作设计的角度，分析对话为何以特定情感结束十分重要。我们提出一种用于此类分析的可解释时间序列挖掘算法。对话被表示为一个带属性的时间序列，记录其进展中各时刻关键词、EMPATH 类别和推断情感的出现情况。一种特殊的决策树，其决策度量考虑了对话事件间的时间关系，被用于预测结果情感的原因。从分类器中挖掘出的可解释规则用于解释该预测。本文给出了某大型企业社交媒体帖子的实验结果。
引用
@article{arxiv.2105.00944,
title = {Explaining Outcomes of Multi-Party Dialogues using Causal Learning},
author = {Priyanka Sinha and Pabitra Mitra and Antonio Anastasio Bruto da Costa and Nikolaos Kekatos},
journal= {arXiv preprint arXiv:2105.00944},
year = {2021}
}