摘要

对话行为（Dialogue Act, DA）分类是指根据话语在对话中所起的功能对话语进行分类的任务。现有的DA分类方法在建模话语时未考虑对话中说话人之间的轮次转换，因而将对话视为与非交互式书面文本无异。本文提出在建模DA时引入说话人轮次转换的信息。具体而言，我们学习一种与对话内容无关的说话人轮次嵌入（conversation-invariant speaker turn embeddings），用以表征对话中的说话人轮次；随后将学习到的轮次嵌入与话语嵌入进行融合，用于下游的DA分类任务。通过这一简单而有效的机制，我们的模型能够在捕捉对话语义的同时，充分考虑对话中不同说话人轮次的差异。在三个公开基准数据集上的实验验证表明，所提模型取得了优于现有方法的性能。