IRRGN：一种用于多轮回复选择的隐式关系推理图网络
计算与语言
2023-10-24 v2
摘要
多轮对话中的回复选择任务是从所有候选中找出最佳选项。为了提升模型的推理能力，以往研究更关注使用显式算法对话语间的依赖关系进行建模，这类方法具有确定性、局限性和不灵活性。此外，很少有研究在推理前后考虑选项之间的差异。本文提出一种隐式关系推理图网络来解决这些问题，该网络由话语关系推理器（URR）和选项双重比较器（ODC）组成。URR旨在隐式提取话语之间以及话语与选项之间的依赖关系，并利用关系图卷积网络进行推理。ODC专注于通过双重比较感知选项之间的差异，从而消除噪声选项的干扰。在两个多轮对话推理基准数据集MuTual和MuTual+上的实验结果表明，我们的方法显著提升了四种预训练语言模型的基线并取得了最先进的性能。该模型首次在MuTual数据集上超越人类表现。
引用
@article{arxiv.2212.00482,
title = {IRRGN: An Implicit Relational Reasoning Graph Network for Multi-turn Response Selection},
author = {Jingcheng Deng and Hengwei Dai and Xuewei Guo and Yuanchen Ju and Wei Peng},
journal= {arXiv preprint arXiv:2212.00482},
year = {2023}
}
备注
Accepted by EMNLP 2022