面向二人对话的无监督抽取式对话摘要
计算与语言
2020-09-16 v1 机器学习
机器学习
摘要
高质量的对话-摘要配对数据生产成本高且对领域敏感,使得抽取式对话摘要成为一项具有挑战性的任务。在本工作中,我们提出了首个面向二人对话(tete-a-tetes)的无监督抽取式对话摘要模型(SuTaT)。与标准文本摘要不同,对话摘要方法应考虑多说话人场景,其中说话人具有不同的角色、目标和语言风格。在如客户-客服对话这样的二人对话中,SuTaT旨在通过分别建模客户话语与客服话语同时保持其相关性,来为每位说话人生成摘要。SuTaT由一个条件生成模块和两个无监督摘要模块组成。条件生成模块在变分自编码器框架中包含两个编码器与两个解码器,以捕获两个潜空间之间的依赖关系。使用相同的编码器和解码器,两个配备句子级自注意力机制的无监督摘要模块在无需任何标注的情况下生成摘要。实验结果表明,SuTaT在无监督对话摘要的自动与人工评估上均更优,并且具备对话分类与单轮对话生成能力。
引用
@article{arxiv.2009.06851,
title = {Unsupervised Abstractive Dialogue Summarization for Tete-a-Tetes},
author = {Xinyuan Zhang and Ruiyi Zhang and Manzil Zaheer and Amr Ahmed},
journal= {arXiv preprint arXiv:2009.06851},
year = {2020}
}