COLINGApr, 2020

Molweni：挑战多方对话基础机器阅读理解数据集带有话语结构

PDF
TL;DR本文介绍了 Molweni 数据集，这是一个具有复杂话语结构的机器阅读理解数据集，其中包含来自 Ubuntu Chat 语料库的 10,000 个多方对话，我们对该数据集进行了超过 30,000 个问题的注释，并为所有多方对话贡献了大规模（78,245 个注释话语关系）的数据。在实验中，该数据集证明了对于当前的 MRC 模型是具有挑战性的。
multiparty dialogmachine reading comprehensiondiscourse structuremolweni datasetsegmented discourse representation theory
发现论文，激发创造
  • 使用话语解析的多任务对话理解

    提出了一个用于多方对话机器阅读理解 (MRC) 的多任务模型，结合问答 (QA) 和话语解析 (DP) 任务，在 Molweni 基准测试中证明了多任务训练不仅受益于 QA 任务，也有助于 DP 任务，当处理更长的对话时，联合模型表现得更强，验证了 DP 在相关 MRC 中的必要性。

    Oct, 2021

  • DADgraph: 面向多方对话机器阅读理解的话语感知对话图神经网络

    提出一种考虑复杂的多方对话话语结构的对话图神经网络模型 DADgraph，并在包含话语结构注释的大规模 MRC 数据集 Molweni 上进行实验验证，实验表明该模型相较于强基线模型在 Molweni 数据集上具有统计学显著的改进。

    Apr, 2021

  • 面向多方对话阅读理解的指代感知双通道注意力网络

    本文提出了一种针对多方对话阅读理解的注意力模型和编码网络，以增强 MDRC 模型的推理能力，并在 Molweni 和 FriendsQA 等基准语料上获得实验性结果，大幅度提高了模型性能，同时在大多数情况下优于现有最先进水平。

    May, 2023

  • 多方对话中多语言指代消解

    本文提出 Multilingual Multiparty Coref (MMC) 数据集用于核心参照消解任务，通过注释的转录来提供其他语言 (中文和波斯语) 的银参照数据，在英文数据中，现有的模型在 MMC 上的表现相对较差，说明 MMC 具有比先前数据集更广泛的多方参照覆盖范围。在银数据上，我们发现在模拟零 - shot 跨语言环境方面，使用它进行数据增强和从头开始的训练都很成功。

    Aug, 2022

  • MELD：情感识别对话中的多模态多方数据集

    提出了一个多模态的语音情感对话数据集 MELD，包含超过两个演讲者的大规模多模态多方情感对话，并且证明了情境和多模态信息对会话中的情感识别的重要性。

    Oct, 2018

  • MMDialog：面向多模态开放领域对话的大规模多轮对话数据集

    本文介绍了 MMDialog 数据集、提出并规范了两个基于检索和生成场景的反应生成任务，还构建了两个基线，并提出了一种新的评估指标 MM-Relevance，用于衡量多模态反应。

    Nov, 2022

  • MuTual: 多轮对话推理数据集

    介绍了一个新的多轮对话推理数据集 MuTual，包含 8,860 个中文学生英语听力考试基础上的手动注释对话，对话系统或模型需要具备处理各种推理问题的能力，现有的最先进的方法仅可达到 71％，远远落后于 94％的人类表现

    Apr, 2020

  • M-MELD: 一个用于情感识别的多语言多方数据集

    本研究提出 Multilingual MELD（M-MELD）数据集和一种使用序列和对话语境的 DiscLSTM 方法，旨在进行跨语言的情感识别，其计算效率高且表现优于现有文献中大多数单模态文本方法。

    Mar, 2022

  • 增强型说话者感知多方多轮对话理解

    本文提出了基于掩码注意力和异构图网络的增强型说话人感知模型，以全面捕捉对话线索，实验结果展示了我们说话人感知模型在基准数据集 Molweni 上取得了最先进的表现，案例分析表明我们的模型增强了话语与说话人之间的联系，并捕捉到了说话人感知的对话关系，对话建模至关重要。

    Sep, 2021

  • 社交媒体上的多模式聊天数据集

    探索利用图片等多模态语境来改善对话系统，使用自然语言数据集 MMChat，通过人工筛选和过滤得到 MMChat-hf，利用注意力机制改善生成任务的稀疏性，结果表明引入图片特征的有效性和处理稀疏性的效力。

    Aug, 2021