Graph4IUR：利用语义图对不完整话语进行重写

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Graph4IUR: Incomplete Utterance Rewriting with Semantic Graph

话语重写通过补充对话中的缺失信息提升理解能力，现有方法依赖句子重叠缩小搜索空间但忽略语言元素关系。本文提出基于语义图的Graph4IUR框架，利用AMR图表示句子高层语义关系，优化编辑模型在不改变句子架构的约束下探索重叠部分，有效缓解上下文缺失问题并提升性能。

　　

摘要

话语重写旨在识别并补充人类对话中省略的信息，从而帮助后续任务更全面地理解对话内容。近年来，利用两个句子之间重叠关系的序列编辑方法被广泛应用于缩小以往线性生成方法所面临的搜索范围。然而，这些方法忽略了对话中语言元素之间的关联，而这种关联反映了人类交流中知识和思想的组织方式。在这种情况下，尽管重写句子中的大部分内容可以在上下文中找到，但我们发现一些表示关系的连接词往往缺失，这导致了以往句子编辑方法出现的“脱离上下文”的问题。为了解决这一问题，本文提出了一种新的基于语义图的不完整话语重写（Graph4IUR）框架，该框架通过语义图来描述语言元素之间的关系，并捕捉那些脱离上下文的词语。具体而言，我们采用了抽象意义表示（AMR）[4]图作为基本的句子到图的转换方法，从图的角度来描述对话，这种方法能够很好地表达句子之间的高层次语义关系。在此基础上，我们进一步调整了句子编辑模型，使其在不改变句子结构的情况下进行重写，但这限制了在IUR任务中探索当前句子与重写句子之间的重叠部分。广泛的实验结果表明，我们的Graph4IUR框架能够有效缓解“脱离上下文”的问题，并提升以往基于编辑方法的IUR任务性能。