填补对话省略以改进社交对话理解

省略现象在社交对话中十分普遍。省略增加了一系列下游语言理解任务的难度，例如对话行为预测和语义角色标注。我们提出通过自动句子补全来解决省略以提升语言理解。然而，自动省略补全可能产生不能准确反映用户意图的输出。为解决此问题，我们提出一种在对话行为和语义角色标注任务中同时考虑含省略的原始话语与自动补全话语的方法。具体而言，我们首先使用端到端指针网络模型补全用户话语以解决省略。然后，我们使用含省略的话语与我们的自动补全话语训练预测模型。最后，我们使用由专家知识引导的选择模型结合来自这两个话语的预测结果。我们的方法在社交对话中分别将对话行为预测和语义角色标注的 F1 分数提高了 1.3% 和 2.5%。我们还提供了一个开放域人机对话数据集，其中包含人工补全的用户话语以及人工补全后标注的语义角色标注。