面向对话阅读理解的关键话语问题-对话者范围实现图建模
计算与语言
2022-10-27 v1
摘要
在本工作中，我们关注对话阅读理解（DRC），即从对话中提取问题答案跨度的任务。由于复杂的说话人信息和嘈杂的对话上下文，DRC 中的对话上下文建模非常棘手。为了解决这两个问题，以往的研究分别提出了两个自监督任务：根据对话猜测随机掩码的说话人是谁，以及预测对话中的哪一句话语包含答案。尽管这些任务有效，但仍存在亟待解决的问题：（1）不考虑问题而随机掩码说话人，无法将问题中提及的说话人映射到对话中对应的说话人，且忽略了话语以说话人为中心的性质。这导致从无关对话者范围内的话语中错误提取答案；（2）偏好与问题相似话语的单句预测，在寻找包含答案但与问题不相似的话语时存在局限性。为了缓解这些问题，我们首先提出了一种新的关键话语提取方法。它在由若干连续话语组成的单元上进行预测，从而能够实现更多包含答案的话语的提取。基于提取单元中的话语，我们随后提出了问题-对话者范围实现图（QuISG）建模。作为在话语文本上构建的图，QuISG 额外将问题和问题提及的说话人姓名作为节点。为了实现对话者范围，对话中的说话人被连接到其对应话语中的词上。在基准测试上的实验表明，与以往的工作相比，我们的方法能够取得更好且具竞争力的结果。
引用
@article{arxiv.2210.14456,
title = {Question-Interlocutor Scope Realized Graph Modeling over Key Utterances for Dialogue Reading Comprehension},
author = {Jiangnan Li and Mo Yu and Fandong Meng and Zheng Lin and Peng Fu and Weiping Wang and Jie Zhou},
journal= {arXiv preprint arXiv:2210.14456},
year = {2022}
}