论文题目: Conversation Structure Modeling Using Masked Hierarchical Transformer
摘要: 对话结构对于理解对话动态的本质以及为许多下游应用程序提供功能(例如对话摘要)很有用。在这项工作中,我们将对话结构建模的问题定义为识别对话中每个话语都对其做出响应。 以前的工作通常会用一组语音来决定一个语音是否是另一个语音的母体。我们认为,整个对话历史是做出准确预测的非常重要的信息来源。因此,我们设计了一种新颖的机制,并利用变换器模型来汇总所有历史以预测话语。我们的实验是在Reddit数据集(Zhang,Culbertson和Paritosh 2017)和Ubuntu IRC数据集(Kummerfeld et al.2019)上进行的。此外,我们还报告了来自Reddit平台的新的更大语料库的实验,并发布了该数据集。