HeterMPC：一种用于多方对话回复生成的异构图神经网络
计算与语言
2022-03-17 v1
摘要
近来，各类双方对话回复生成模型已取得令人瞩目的进展，但针对更实用且更复杂的多方对话（MPCs）的研究尚显不足。与对话上下文为话语序列的双方对话不同，为MPC构建回复生成模型更具挑战性，因为其中存在复杂的上下文结构，且生成回复严重依赖于对话参与者（即说话者与受话者）及历史话语。为应对这些挑战，我们提出HeterMPC，一种基于异构图神经网络的多方对话回复生成模型，其通过图中两类节点同时建模话语与对话参与者的语义。此外，我们还设计了六种带节点-边类型相关参数的元关系以刻画图内的异构交互。通过多跳更新，HeterMPC能充分利用对话的结构知识用于回复生成。在Ubuntu互联网中继聊天（IRC）频道基准上的实验结果表明，HeterMPC优于多种MPC回复生成基线模型。
引用
@article{arxiv.2203.08500,
title = {HeterMPC: A Heterogeneous Graph Neural Network for Response Generation in Multi-Party Conversations},
author = {Jia-Chen Gu and Chao-Hong Tan and Chongyang Tao and Zhen-Hua Ling and Huang Hu and Xiubo Geng and Daxin Jiang},
journal= {arXiv preprint arXiv:2203.08500},
year = {2022}
}
备注
Accepted by ACL 2022