基于话题感知语句表示的无监督对话话题分割
计算与语言
2023-05-05 v1 人工智能
摘要
对话话题分割（DTS）在多种对话建模任务中起着至关重要的作用。以往的 DTS 方法要么关注语义相似度，要么关注对话连贯性，以评估无监督对话分割中的话题相似度。然而，仅通过语义相似度或对话连贯性无法充分识别话题相似度。此外，包含有用语句关系线索的未标注对话数据仍未得到充分利用。本文中，我们提出了一种新颖的无监督 DTS 框架，通过相邻语句匹配与伪分割从未标注对话数据中学习话题感知的语句表示。在两个基准数据集（即 DialSeg711 和 Doc2Dial）上的大量实验表明，我们的方法显著优于强基线方法。为可复现性，我们在 https://github.com/AlibabaResearch/DAMO-ConvAI/tree/main/dial-start 提供了代码与数据。
引用
@article{arxiv.2305.02747,
title = {Unsupervised Dialogue Topic Segmentation with Topic-aware Utterance Representation},
author = {Haoyu Gao and Rui Wang and Ting-En Lin and Yuchuan Wu and Min Yang and Fei Huang and Yongbin Li},
journal= {arXiv preprint arXiv:2305.02747},
year = {2023}
}