基于图的对话轮次上下文感知表示网络
计算与语言
2021-09-10 v1
摘要
基于对话的关系抽取（RE）旨在提取对话中出现的两个论元之间的关系。由于对话具有人称代词出现频率高、信息密度低的特点，且对话中的大多数关系事实并非由单个句子支撑，因此基于对话的关系抽取需要对对话有全面的理解。本文提出了一种轮次上下文感知图卷积网络（TUCORE-GCN），其建模方式关注了人们理解对话的方式。此外，我们提出了一种新颖的方法，将对话中的情绪识别（ERC）任务视为一种基于对话的关系抽取。在基于对话的关系抽取数据集和三个情绪识别数据集上的实验表明，我们的模型在各种基于对话的自然语言理解任务中非常有效。在这些实验中，TUCORE-GCN 在大多数基准数据集上优于当前最先进的模型。我们的代码可在 https://github.com/BlackNoodle/TUCORE-GCN 获取。
引用
@article{arxiv.2109.04008,
title = {Graph Based Network with Contextualized Representations of Turns in Dialogue},
author = {Bongseok Lee and Yong Suk Choi},
journal= {arXiv preprint arXiv:2109.04008},
year = {2021}
}
备注
EMNLP 2021