Oct, 2023

GASCOM：基于图的注意力语义上下文建模用于在线对话理解

PDF
TL;DR该研究提出了一种基于图形的关注语义上下文建模（GASCOM）框架，用于在线对话理解，并利用此框架重新审视极性预测和仇恨言论检测两个研究领域，显著提高了两个任务的性能，并增加了可解释性。
online conversation understandinggraph-based attentive semantic context modelingpolarity predictionhate speech detectioninterpretability
发现论文，激发创造
  • 基于图的上下文感知模型：理解在线对话

    提出一种基于图的深度学习架构 GraphNLI，利用图遍历来增强在线讨论中评论的上下文信息，提高评论情感极性和仇恨言论检测任务的性能。

    Nov, 2022

  • 使用动态上下文图进行对话语义解析

    本文讨论了使用动态子图和图形神经网络在上下文中交互地将用户话语映射为可执行的逻辑形式，并证明这种方法在处理对话信息方面更好。

    May, 2023

  • CADGE：基于图结构知识聚合的上下文感知对话生成

    本文提出一种基于上下文感知的图注意力模型 (Context-aware GAT)，可以在知识聚合流程中有效地整合相关知识图的全局特征，并且优于传统基于图神经网络 (GNNs) 的语言框架。

    May, 2023

  • 基于历史语义图的带时态信息建模的对话式知识库问答

    本文提出了一种历史语义图增强问答模型（HSGE），能够有效地建模会话历史中的长程语义依赖关系，同时保持低计算成本。实验结果表明，它在所有问题类型上平均优于现有基线。

    Jun, 2023

  • 基于上下文化图神经网络的多模态情感识别 COGMEN

    本文提出了一种基于上下文图神经网络的多模态情感识别系统 (COGMEN)，该模型利用本地信息和全局信息来模拟对话中复杂的依赖关系，并通过 IEMOCAP 和 MOSEI 数据集取得了最优结果。

    May, 2022

  • CoSyn: 基于上下文协同的双曲网络用于在线对话中隐含仇恨言论的检测

    本文提出了一种基于超伸缩空间的用户与对话上下文配合的机制 CoSyn，用于在线讨论中检测隐含仇恨言论，该方法在开放源 Twitter 数据集上的实验表明：CoSyn 在检测隐含仇恨言论方面表现出比其它方法更好的性能。

    Mar, 2023

  • Co-GAT: 一种用于对话行为识别和情感分类的交互式图注意力网络

    本文提出了一种基于共交互图注意网络（Co-GAT）的方法，通过同时考虑上下文信息和相互作用信息来完成对话行为识别和情感分类任务，实现了两种信息类型的全面融合。实验结果表明，在两个公开数据集上，该方法成功捕捉了两种信息来源，并取得了领先的性能。此外，本文还发现，本文所提出的相互作用信息对于诸如 BERT、Roberta 和 XLNet 等已有的文本编码矩阵并不完全重叠。

    Dec, 2020

  • 对话式语义解析

    本论文提出了一种适用于面向任务的对话系统的语义表示形式，该表示形式可以表示诸如共参照和上下文传递等概念，实现了对话过程中的全面理解。此外，更提出了一种新的 Seq2Seq 模型用于基于会话的解析，并在 ATIS、SNIPS、TOP 和 DSTC2 等数据集上获得了更好或相当的性能。

    Sep, 2020

  • 跨域上下文依赖语义解析的动态混合关系网络

    本文提出了一个动态图形框架，能够有效地建模上下文话语、令牌、数据库模式及其交互，并通过强大的重新排名模型进一步增强。该模型在 SParC 和 CoSQL 数据集上实现了新的最优表现。

    Jan, 2021

  • 使用上下文感知模型检测在线仇恨言论

    本文提出了一个包含上下文信息的仇恨言论数据集并提出了两种模型：一个基于逻辑回归模型的模型和一个具有上下文学习组件的神经网络模型。实验表明，这两种模型在 F1 得分方面优于强基线约 3％到 4％，结合这两种模型可进一步提高 7％的 F1 得分。

    Oct, 2017