本文提出了一种全局到局部的分层图网络（GLHG），应用于情感支持对话任务，以捕捉多源信息的层次关系。GLHG包括多源编码器、分层图推理器和全局引导解码器，旨在解决现有方法忽视的全局原因和局部心理意图。通过在ESConv数据集上的实验，GLHG在自动和人工评估中表现出最先进的性能。尽管有创新点，但文章对图结构的双向边解释和情感信息的缺乏受到批评。
《论文阅读》Control Globally, Understand Locally: A Global-to-Local Hierarchical Graph Network for Emotional Support Conversation
出版：IJCAI 2022
时间： 2022
类型：情感支持对话生成
特点：将 global 到 local 的思想应用到图结构来说明，利用ATOMIC获取意图
作者：Wei Peng1,2 , Yue Hu1,2 ∗ , Luxi Xing1,2 , Yuqiang Xie1,2 , Yajing Sun1,2 , Yunpeng Li1,2
第一作者机构：Institute of Information Engineering, Chinese Academy of Sciences, China
School of Cyber Security, University of Chinese Academy of Sciences, China
简介
情感支持对话旨在减少帮助寻求者的情绪困扰，这是一项新颖且具有挑战性的任务。它需要系统探索帮助寻求者的情绪困境的原因，并了解他们提供支持反应的心理意图。然而，现有的方法主要集中在顺序上下文信息上，忽略了与对话背后全局原因和局部心理意图的层次关系，导致情感支持能力较弱。在本文中，我们提出了一种全局到局部的分层图网络来捕获多源信息（全局原因、局部意图和对话历史）并对它们之间的层次关系进行建模，该模型由多源编码器、分层图推理器和全局引导解码器组成。此外，设计了一种新的训练目标
订阅专栏 解锁全文
扫一扫
799
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
