摘要
多方对话机器阅读理解（Multi-party Dialogue Machine Reading Comprehension, MRC）相较于传统的单篇文本式MRC，提出了更具挑战性的理解目标，其难点在于处理涉及超过两名说话者的对话。为了在该类多轮对话中准确完成问答（Question Answering, QA）任务，模型必须应对与普通非对话文本截然不同的话语关系。在传统非对话文本中，话语关系通常以语言学为导向，连接语义上相距较远的语句。为深入探究此类非典型话语结构对相关QA任务的影响，本文提出了首个用于多方面对话MRC任务的多任务联合模型，实现问答与话语解析（Discourse Parsing, DP）的协同建模。该模型在最新基准数据集Molweni上进行了评估，实验结果表明，通过引入互补任务进行联合训练，不仅显著提升了QA任务的性能，也促进了DP任务自身的优化。进一步分析发现，该联合模型在处理较长对话时表现尤为突出，再次验证了在相关MRC任务中引入话语解析的必要性。