ScopeIt：在文档中界定任务相关句子
计算与语言
2020-11-17 v2 机器学习
机器学习
摘要
Cortana、Siri、Alexa 和 Google Assistant 等智能助手被训练为在同步且简短的对话中解析信息；然而，对于基于电子邮件的对话代理，通信是异步的，且常包含与助手无关的信息。这使得系统难以准确检测意图、提取与这些意图相关的实体，从而执行期望的操作。我们提出了一种从大型查询中为代理界定相关信息的神经模型。我们表明，当用作预处理步骤时，该模型提升了意图检测与实体抽取任务的性能。我们展示了该模型对 Scheduler（Cortana 是代理的角色名，而 Scheduler 是服务名称。在本文语境中我们交替使用二者。）的影响——这是一个通过电子邮件与用户异步交互的虚拟对话式会议调度助手。该模型帮助 Scheduler 所需的实体抽取与意图检测任务在召回率无任何下降的情况下，精确率平均提升 35%。此外，我们证明了相同方法可用于大型文档中的组件级分析，例如签名块识别。
引用
@article{arxiv.2003.04988,
title = {ScopeIt: Scoping Task Relevant Sentences in Documents},
author = {Vishwas Suryanarayanan and Barun Patra and Pamela Bhattacharya and Chala Fufa and Charles Lee},
journal= {arXiv preprint arXiv:2003.04988},
year = {2020}
}
备注
Accepted in COLING 2020