线上对话中的分支预测：论分支未被采用的挑战
计算与语言
2024-04-23 v1 机器学习
摘要
多参与者讨论往往呈现树状结构而非链状结构。分支可能因多种原因发生——包括线上平台的非同步性，以及参与者有意识地与对话的某些部分保持距离。预测分支及理解产生新分支的原因对于许多下游任务（如摘要生成和对话线程分离）非常重要，可能有助于开发鼓励用户在更有意义的方式下参与线上讨论的空间。本文我们定义了分支预测的新任务，并提出GLOBS（Global Branching Score）——用于预测分支的深度神经网络模型。GLOBS在来自Reddit的三个大型讨论论坛上进行评估，相较于多个竞争性基线实现了显著的改进，显示出更好的迁移性能。我们确认结构特征、时间特征和语言特征都对GLOBS的成功作出贡献，并发现分支与更多对话参与者相关联，倾向于在对话树的较早层次发生。我们公开发布GLOBS以及所有基线模型的实现，以便可重复性和进一步研究此重要任务。
引用
@article{arxiv.2404.13613,
title = {The Branch Not Taken: Predicting Branching in Online Conversations},
author = {Shai Meital and Lior Rokach and Roman Vainshtein and Nir Grinberg},
journal= {arXiv preprint arXiv:2404.13613},
year = {2024}
}