面向多方对话阅读理解的自监督与伪自监督说话人和关键话语预测
计算与语言
2021-09-17 v2
摘要
多方对话机器阅读理解（MRC）带来了巨大挑战，因为它涉及单次对话中的多个说话人，导致复杂的说话人信息流和嘈杂的对话上下文。为缓解这些困难，以往的模型侧重于如何利用复杂的基于图的模块和额外的人工标注数据来整合这些信息，而这些数据在实际场景中通常很稀缺。本文设计了两个无需人工标注的自监督和伪自监督预测任务，分别针对说话人和关键话语，以隐式建模说话人信息流，并捕捉长对话中的显著线索。在两个基准数据集上的实验结果证明了我们的方法相对于有竞争力的基线模型和当前最先进模型的有效性。
引用
@article{arxiv.2109.03772,
title = {Self- and Pseudo-self-supervised Prediction of Speaker and Key-utterance for Multi-party Dialogue Reading Comprehension},
author = {Yiyang Li and Hai Zhao},
journal= {arXiv preprint arXiv:2109.03772},
year = {2021}
}
备注
Accepted by EMNLP 2021 Findings