对话中的主题和体裁
研究交互式对话类型与交谈者角色类型的相互作用是值得的，并展示了一种计算选择对话移动的决策过程的方法，其中结合了角色类型和对话类型，并以定量方式说明了这些因素的相互作用的数学模型。
Jul, 2023
该研究提出了一种新的神经模型来动态跟踪论证对话中主题和话语变化对说服力的影响，并在社交媒体和最高法院的论证对话上进行了实验验证。实验结果表明该模型能够有效地辨别具有说服力的论证，并发现主题和话语对说服力都有帮助，但优秀的话语风格可能会在社交媒体争议中造成偏见。
Feb, 2020
本文研究对话结构与对话语料库的关系，从线上论坛中的拒绝性对话入手，探查线上对话中表达和推断拒绝的特征，通过实验发现基于理论预测的特征可以被用于无需先确定特定讨论主题的识别拒绝性对话，且精度可以提升至 66%。
Sep, 2017
本文提出了一种上下文感知的谈话主题分类方法，通过引入对话上下文和对话行为特征，扩展了神经主题分类和无监督主题关键词检测的先前研究，以提高谈话中的主题识别准确性和预测用户评价指标。
Oct, 2018
该论文通过第一次全面调查话题覆盖范围，从三个权威来源比较话题集合，找出语料库与其频繁讨论的话题重合度最高，发现大多数语料库覆盖公共在线论坛上经常讨论的话题。但是，这些语料库还没有涵盖来自权威来源的其他话题，揭示了未来语料库建设的有趣方向。
Jan, 2023
本文探讨了任务导向对话系统的最新研究进展和挑战，特别在三个关键领域进行了深入讨论：提高数据效率、模拟多回合动态以优化任务完成性能，以及将领域本体知识与对话模型集成。此外，还评估了最近的对话进展和一些常用的语料库。我们相信，这虽然不是一个完整的调查，但它仍然可以为未来任务导向对话系统的研究提供启示。
Mar, 2020
本研究旨在探索话语连贯中回应关系的一般性结构，并提出一种学习潜在议题和话语结构的模型，通过利用主题一致性和话语依存来预测发起 - 回应联系，实验结果表明，我们的模型在中文客服对话等任务上表现显著优于之前的方法。
Apr, 2021
探索如何从社交对话到任务导向对话的平滑转换，为触发商业机会提供支持。提出了一个自动生成对话的框架，并在此基础上发布了一个大规模数据集，该数据集为未来的研究和商业活动提供了巨大的潜力。
Apr, 2022
本文提出了一种用于研究电影和电视剧中的对话分离的新数据集，并比较了几种分离模型在数据集上的表现。我们发现，与预期相反，过去 40 年中平均线程长度并没有显著降低，并且由女性扮演的角色相对于其发言时间更容易引发新的对话线程。
May, 2023