摘要

多角色对话机器阅读理解（Multiparty Dialogue Machine Reading Comprehension, MRC）与传统MRC的主要区别在于，模型需处理复杂的对话话语结构，而这一特性在传统MRC中尚未被充分考虑。为充分挖掘多角色对话中的话语结构信息，本文提出一种话语感知的对话图神经网络——DADgraph，该模型通过显式构建基于话语依赖关系和话语关联的对话图结构，以更好地捕捉对话中的语篇逻辑。为验证所提模型的有效性，我们在Molweni语料库上进行了实验。Molweni是一个大规模的多角色对话MRC数据集，其对话内容均标注了话语结构信息。实验结果表明，相较于现有的强大神经网络MRC基线模型，本文提出的话语感知模型在Molweni数据集上取得了统计上显著的性能提升。