用于预测善意文本请求中说服策略的弱监督层次模型
计算与语言
2021-01-19 v1 计算机与社会
摘要
对说服性语言建模有潜力更好地辅助我们的决策过程。尽管其重要，说服的计算建模仍处于起步阶段，很大程度上由于缺乏能提供说服策略定量标签以加速该研究的基准数据集。为此，我们引入了一个大规模多领域文本语料库，用于建模善意文本请求中的说服策略。此外，我们设计了一个层次弱监督潜变量模型，可利用部分标注数据预测每句话的此类关联说服策略，其中监督来自整体文档级标签和极有限的句子级标签。实验结果表明，我们提出的方法显著优于现有的半监督基线。我们已在 https://github.com/GT-SALT/Persuasion_Strategy_WVAE 公开发布代码。
引用
@article{arxiv.2101.06351,
title = {Weakly-Supervised Hierarchical Models for Predicting Persuasive Strategies in Good-faith Textual Requests},
author = {Jiaao Chen and Diyi Yang},
journal= {arXiv preprint arXiv:2101.06351},
year = {2021}
}
备注
AAAI 2021