BriefGPT.xyz
Jun, 2023
基于图卷积网络的对话偏离预测
Conversation Derailment Forecasting with Graph Convolutional Networks
HTML
PDF
Enas Altarawneh, Ammeta Agrawal, Michael Jenkin, Manos Papagelis
TL;DR
通过基于图卷积神经网络的模型，考虑了对话的用户动态和公众看法对话语的影响，可以预测对话的失轨迹象，并在预测前采取积极的管理措施。通过经验评估，在CGA和CMV基准数据集上，相较于现有的模型，我们的模型可以有效地捕捉对话动态，并在性能上分别提升1.5％和1.7％。
Abstract
online conversations
are particularly susceptible to
derailment
, which can manifest itself in the form of
toxic communication
patterns lik
→