초록
표준 텍스트와 비교할 때, 대화의 이해는 각 차례에서 발생하는 동적이고 예측할 수 없는 의미 변화 때문에 기계에게 더 어려운 과제입니다. 이러한 일관성 없는 의미를 모델링하기 위해 간단하지만 효과적인 계층적 대화 이해 모델인 HiDialog를 제안합니다. 구체적으로, 먼저 여러 개의 특수 토큰을 대화에 삽입하고, 차례 단위 주의 메커니즘을 제안하여 계층적으로 차례 임베딩을 학습합니다. 그런 다음, 이질 그래프 모듈을 활용하여 학습된 임베딩을 다듬습니다. 우리는 대화 관계 추출, 대화 감정 인식, 대화 행위 분류 등 다양한 대화 이해 작업에서 우리의 모델을 평가하였습니다. 결과는 우리의 간단한 접근 방식이 위의 세 가지 작업 모두에서 최고 수준의 성능을 달성함을 보여줍니다. 모든 소스 코드는 https://github.com/ShawX825/HiDialog에서 공개적으로 이용 가능합니다.