Mining Clues from Incomplete Utterance: A Query-enhanced Network for Incomplete Utterance Rewriting

要約

最近、不完全な発話の書き換えが広く注目を集めています。
しかし、これまでの研究では、不完全な発話と書き換えられた発話の間の意味構造情報が考慮されておらず、暗黙的かつ不十分に意味構造がモデル化されていました。
この問題に対処するために、私たちは QUEry-Enhanced Network (QUEEN) を提案します。
まず、私たちが提案するクエリ テンプレートは、不完全な発話と書き換えられた発話の間にガイド付きの意味構造的知識を明示的にもたらし、モデルがどこを参照または省略されたトークンを回復するかを認識します。
次に、高速かつ効果的な編集操作スコアリング ネットワークを採用して、2 つのトークン間の関係をモデル化します。
提案されたクエリ テンプレートと適切に設計された編集操作スコアリング ネットワークの恩恵を受けて、QUEEN はいくつかの公開データセットで最先端のパフォーマンスを実現します。

要約(オリジナル)

Incomplete utterance rewriting has recently raised wide attention. However, previous works do not consider the semantic structural information between incomplete utterance and rewritten utterance or model the semantic structure implicitly and insufficiently. To address this problem, we propose a QUEry-Enhanced Network (QUEEN). Firstly, our proposed query template explicitly brings guided semantic structural knowledge between the incomplete utterance and the rewritten utterance making model perceive where to refer back to or recover omitted tokens. Then, we adopt a fast and effective edit operation scoring network to model the relation between two tokens. Benefiting from proposed query template and the well-designed edit operation scoring network, QUEEN achieves state-of-the-art performance on several public datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google