使用神经连贯性模型在对话数据中进行线索重建
信息检索
2017-07-26 v2 计算与语言
摘要
讨论论坛是重要的信息来源。它们通常被用来回答用户可能有的特定问题，并发现更多关于感兴趣主题的信息。这些论坛中的讨论可能以复杂的方式演变，使得用户难以跟上思路的流向。我们提出了一种新方法，用于自动识别论坛讨论的底层线索结构。我们的方法基于一个神经模型，该模型计算可能重建结果的连贯性分数，然后选择得分最高的，即最连贯的重建结果。初步实验展示了有希望的结果，其表现优于多种强基线方法。
引用
@article{arxiv.1707.07660,
title = {Thread Reconstruction in Conversational Data using Neural Coherence Models},
author = {Dat Tien Nguyen and Shafiq Joty and Basma El Amel Boussaha and Maarten de Rijke},
journal= {arXiv preprint arXiv:1707.07660},
year = {2017}
}
备注
Neu-IR: Workshop on Neural Information Retrieval 2017