关于对话解缠的发现
计算与语言
2021-12-13 v1
摘要
对话解缠，即识别对话中独立线程的任务，是多方可话自然语言处理应用（如对话式问答和对话摘要）中重要的预处理步骤。将其构建为话语到话语的分类问题——即给定关注话语（UOI），找出其回复的过往话语——我们探索了若干基于 transformer 的模型，并发现 BERT 结合手工特征仍是一个强基线。随后我们构建了一个多任务学习模型，联合学习话语到话语以及话语到线程的分类。观察到当我们的模型出错时，真实标签（过往话语）位于候选前列，我们尝试使用二部图作为后处理步骤，以学习如何将一组 UOI 最佳匹配到过往话语。在 Ubuntu IRC 数据集上的实验表明，该方法有潜力超越传统的贪心方法（即简单地为每个 UOI 独立选择概率最高的候选），指示了一个有前景的未来研究方向。
引用
@article{arxiv.2112.05346,
title = {Findings on Conversation Disentanglement},
author = {Rongxin Zhu and Jey Han Lau and Jianzhong Qi},
journal= {arXiv preprint arXiv:2112.05346},
year = {2021}
}
备注
accepted in ALTA 2021