Ein tiefes sequentielles Modell für Diskursanalyse in Mehrparteien-Dialogen

Diskursstrukturen sind für verschiedene NLP-Aufgaben wie Dialogverstehen, Fragebeantwortung, Stimmungsanalyse und andere von Vorteil. In dieser Arbeit wird ein tiefes sequentielles Modell zur Analyse der Diskursabhängigkeitsstrukturen in Mehrparteien-Dialogen vorgestellt. Das vorgeschlagene Modell zielt darauf ab, einen Diskursabhängigkeitsbaum zu konstruieren, indem es Abhängigkeitsrelationen vorhersagt und die Diskursstruktur gemeinsam und abwechselnd aufbaut. Es führt eine sequentielle Analyse der Elementaren Diskurseinheiten (EDUs) in einem Dialog durch. Für jede EDU entscheidet das Modell, zu welcher früheren EDU die aktuelle verknüpft werden soll und welche Art von Relation vorhanden ist. Die vorhergesagte Verknüpfung und der Relationstyp werden dann verwendet, um die Diskursstruktur schrittweise mit einem strukturierten Encoder aufzubauen. Während der Verknüpfungsvorhersage und der Klassifikation von Relationen nutzt das Modell nicht nur lokale Informationen, die die beteiligten EDUs repräsentieren, sondern auch globale Informationen, die die EDU-Sequenz und die bereits am aktuellen Schritt aufgebaute Diskursstruktur kodieren. Experimente zeigen, dass das vorgeschlagene Modell alle aktuellen Baseline-Methoden übertrifft.