摘要

本文提出了一种神经网络模型，用于联合完成汉语对话语音中的省略代词恢复（Dropped Pronoun Recovery, DPR）与对话话语结构解析（Conversational Discourse Parsing, CDP）。我们证明了DPR与CDP之间具有紧密关联，联合建模能够同时提升两项任务的性能。我们将该模型命名为DiscProReco。首先，模型利用有向图卷积网络（Directed Graph Convolutional Network, GCN）对对话中每句话的词元（token）进行编码。随后，将每句话内各词元的状态聚合，生成对应句子的单一状态表示。这些句子状态被输入到一个双仿射分类器（biaffine classifier）中，用于构建对话话语图结构。接着，引入第二个（多关系型）GCN对句子状态进行进一步处理，生成增强话语关系的句子表示，并将其与原始词元状态在句子层面进行融合，作为省略代词恢复层的输入。该联合模型在我们新标注的、融合了两种信息的结构解析增强型省略代词恢复数据集（Structure Parsing-enhanced Dropped Pronoun Recovery, SPDPR）上进行训练与评估。实验结果表明，DiscProReco在SPDPR数据集及其他基准测试上，均显著优于当前两项任务的最先进方法。