摘要

与标准文本相比，对话的理解对机器来说更具挑战性，因为每轮对话中都存在动态且不可预测的语义变化。为了建模这种不一致的语义，我们提出了一种简单但有效的层次对话理解模型——HiDialog。具体而言，我们首先在对话中插入多个特殊标记，并提出了轮次级别的注意力机制以分层学习轮次嵌入。随后，利用异构图模块来优化所学的嵌入。我们在多种对话理解任务上评估了该模型，包括对话关系抽取、对话情感识别和对话行为分类。结果表明，我们的简单方法在这三项任务上均达到了最先进的性能。我们的所有源代码已公开发布于 https://github.com/ShawX825/HiDialog。