Conversation Derailment Forecasting with Graph Convolutional Networks

要約

オンラインでの会話は特に脱線しやすく、無礼なコメントや暴言などの有害なコミュニケーション パターンの形で現れることがあります。
会話の脱線を予測することで、脱線の兆候を事前に予測し、積極的に会話を調整できるようになります。
この問題に対処する現在の最先端のアプローチは、対話をテキスト ストリームとして扱うシーケンス モデルに依存しています。
我々は、対話ユーザーのダイナミクスと会話発話に対する公衆の認識の影響を考慮したグラフ畳み込みニューラル ネットワークに基づく新しいモデルを提案します。
実証的評価を通じて、私たちのモデルは会話のダイナミクスを効果的に捉えており、CGA および CMV ベンチマーク データセットで最先端のモデルよりもそれぞれ 1.5\% および 1.7\% 優れていることがわかりました。

要約(オリジナル)

Online conversations are particularly susceptible to derailment, which can manifest itself in the form of toxic communication patterns like disrespectful comments or verbal abuse. Forecasting conversation derailment predicts signs of derailment in advance enabling proactive moderation of conversations. Current state-of-the-art approaches to address this problem rely on sequence models that treat dialogues as text streams. We propose a novel model based on a graph convolutional neural network that considers dialogue user dynamics and the influence of public perception on conversation utterances. Through empirical evaluation, we show that our model effectively captures conversation dynamics and outperforms the state-of-the-art models on the CGA and CMV benchmark datasets by 1.5\% and 1.7\%, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google