超维空间中的无监督对话话题分割
计算与语言
2023-08-22 v1 人工智能
摘要
我们提出 HyperSeg，一种用于无监督对话话题分割的超维计算（HDC）方法。HDC 是一类向量符号架构，利用在极高维度（通常超过 10,000）下随机绘制向量的概率正交性。HDC 通过低成本初始化许多不相关向量来生成丰富的词元表示。这在话题分割中尤为有益，后者常作为下游转录理解任务的资源受限预处理步骤运行。HyperSeg 在 5 个分割基准中的 4 个上优于当前最优方法——即便基线被给予部分真实标签访问权限——且平均快 10 倍。我们展示了 HyperSeg 还能提升下游摘要准确率。通过 HyperSeg，我们证明了 HDC 在一项主要语言任务中的可行性。我们开源了 HyperSeg，为无监督话题分割提供强基线。
引用
@article{arxiv.2308.10464,
title = {Unsupervised Dialogue Topic Segmentation in Hyperdimensional Space},
author = {Seongmin Park and Jinkyu Seo and Jihwa Lee},
journal= {arXiv preprint arXiv:2308.10464},
year = {2023}
}
备注
Interspeech 2023