SocAoG: 对话中社会关系推理的增量图解析

从对话中推断社会关系对于构建情感智能机器人以更好地解释人类语言并据此行动至关重要。我们通过一个名为SocAoG（And-or Graph）的社会网络模型来确保群体内部关系的一致性，并利用属性作为推理线索。此外，我们将这一任务建模为序列结构预测问题，并提出了一种α-β-γ策略，以增量方式解析SocAoG，实现对任何新输入话语的动态推理：(i) α过程基于对话的语义预测属性和关系；(ii) β过程根据相关属性更新社会关系；(iii) γ过程根据人际社会关系更新个人属性。在DialogRE和MovieGraph数据集上的实证结果表明，我们的模型在推断社会关系方面比现有最先进方法更为准确。此外，消融研究显示这三个过程相互补充，案例研究则展示了动态关系推理的有效性。