会话语义角色标注:Conversational Semantic Role Labeling

摘要：

 

        SRL任务是捕捉句子中每个谓词的论元。传统的SRL不能分析对话，因为它只能分析单个句子，而省略和回指经常发生在会话中。目前的SRL都是句子级别的，文章提出会话SRL任务，论元可以是会话参与者，出现在当前句子或者会话历史中。

介绍：

        省略和回指是对话理解中的一个大问题。省略是前文的简略，回指则是避免重复前文的替代。SRL是很多自然语言理解工具包中的语义分析工具。但是传统的SRL只能处理单个句子，不能捕捉多轮会话任务中信息。解决上面问题的方法一般是在SRL前重写句子。
文本介绍新的任务，在多轮会话而不是单个句子中进行SRL。在单句中没有的信息在整个回话中一般都会被提及。
一般的问句需要重写和指代消解后再进行SRL，会话SRL直接处理对话能够避免错误传播。

    工作本文：
           1.新的任务会话SRL，提供了标注数据集。
           2.模型在领域迁移上的效果。
           3.重写和会话生成任务表明会话SRL解析器效果更优。

数据集：

        文章标注了三个数据集：DuConv、PersonalDialog和内部数据集NewsDailog。

        1.DuConv：它是一个公共可用的知识驱动的系统对话数据集，聚焦电影和明星领域。它由30k个对话和270k个对话回合组成提供电影和电影领域的知识图(KG)名人。

        2.PersonalDialog：包括250多个域。它是收集的微博和评论。

        3.NewsDialog:此内部数据集是让两个参与者分别讨论提供的文件。两名参与者参与闲聊，在交谈中，话题是允许的自然地改变。

        语义角色：遵循propbank，最常用的谓语-论元结构标准，一共有32个语义角色，在会话SRL中采用了其中的9个。数字论元(arg0-arg4)，其中arg0这arg1是频率最高的；adjunct(附加物)，AM-LOC，AM-TMP，AM-PRP，AM-NRG，分别为地点、时间、目的和负面论元。

        标注细节：有两种类型的角色标注，一种是基于范围的，一种是基于依赖的。文章使用前者，标注元素的前后下标。预处理：对话连接之后使用stanford corenlp进行分句，分词、词性标注。

        标注说明：论元只能出现在当前或者上一轮对话；论元不能指定给代词，除非前面没有出现过它的指代；如果论元是说话者或是听话着，则明确的指向两者的特殊标记(A或B)；有多种选择时选择最近的谓语。

模型：

实验：

        任务：

                A.多轮对话重写：

                B.多轮对话生成：

        效果：

            重写：    

                生成：