SocAoG: 用于对话中社会关系推断的增量图解析

从对话中推断社会关系对于构建情感智能机器人以更好地理解人类语言并作出相应行动至关重要。我们将社交网络建模为称为SocAoG的与或图(And-or Graph),以保证群体内关系的一致性并利用属性作为推断线索。此外,我们形式化了一个序列结构预测任务,并提出一种$\alpha$-$\beta$-$\gamma$策略,基于任意到来话语进行SocAoG的增量解析以实现动态推断:(i)一个$\alpha$过程,基于对话语义预测属性与关系;(ii)一个$\beta$过程,基于相关属性更新社会关系;(iii)一个$\gamma$过程,基于人际社会关系更新个体属性。在DialogRE和MovieGraph上的实证结果表明,我们的模型比最先进(state-of-the-art, SOTA)方法更准确地推断社会关系。此外,消融研究显示了三个过程互为补充,案例研究展示了动态关系推断。