[论文解读] Two-pass Discourse Segmentation with Pairing and Global Features

Vanessa Wei Feng, Graeme Hirst|arXiv (Cornell University)|Jul 30, 2014

Natural Language Processing Techniques参考文献 12被引用 18

一句话总结

本文提出一种两阶段话语分割模型，通过配对特征（以相邻词元对为中心，平衡潜在边界两侧的信息）和来自首次分割阶段的全局特征，提升RST风格EDU边界检测效果。该方法在F₁分数上达到92.6%，相比最先进模型降低17.8%的错误率，接近人类性能的95%。

ABSTRACT

Previous attempts at RST-style discourse segmentation typically adopt features centered on a single token to predict whether to insert a boundary before that token. In contrast, we develop a discourse segmenter utilizing a set of pairing features, which are centered on a pair of adjacent tokens in the sentence, by equally taking into account the information from both tokens. Moreover, we propose a novel set of global features, which encode characteristics of the segmentation as a whole, once we have an initial segmentation. We show that both the pairing and global features are useful on their own, and their combination achieved an $F_1$ of 92.6% of identifying in-sentence discourse boundaries, which is a 17.8% error-rate reduction over the state-of-the-art performance, approaching 95% of human performance. In addition, similar improvement is observed across different classification frameworks.

研究动机与目标

• 通过超越以词元为中心的特征，提升RST风格话语分割的准确性。
• 解决仅依赖句法结构进行EDU边界检测的局限性，特别是在从句与EDU不对应的情况下。
• 探究配对特征与全局分割特征是否能在不同分类框架中提升边界预测性能。
• 评估改进分割对下游话语解析准确性的影响，尤其在句内层面。
• 探索所提特征在多种分类器与分割框架中的通用性与鲁棒性。

提出的方法

• 提出以相邻词元对为中心的配对特征，确保对潜在边界前后词元的对称考虑。
• 引入两阶段分割策略：首次分割生成描述整体分割结构的全局特征。
• 利用全局特征编码完整分割结果的属性，如片段长度分布与边界密度，以指导第二阶段。
• 采用线性链条件随机场（CRFs）与序列无关分类器（逻辑回归、SVM）在不同框架中评估特征有效性。
• 以即插即用方式将模型集成至最先进RST话语解析器中，评估端到端影响。
• 进行词元级别的错误分析，比较不同模型变体并评估特征互补性。

实验结果

研究问题

• RQ1 配对特征是否能通过对相邻词元对称处理，超越传统以词元为中心的特征，提升EDU边界检测效果？
• RQ2 来自首次分割阶段的全局特征是否能提升第二阶段最终分割的准确性？
• RQ3 配对特征与全局特征带来的性能提升是否在不同分类框架（如CRFs与二分类器）中保持一致？
• RQ4 所提特征在错误模式与互补性方面如何比较？
• RQ5 改进的分割在多大程度上影响下游话语解析的准确性，尤其在句内层面？

主要发现

• 所提模型在句内话语边界检测上达到92.6%的F₁分数，相比先前最先进方法相对错误率降低17.8%。
• 仅使用配对特征即可提升性能，仅使用全局特征也能带来显著增益，二者独立且协同贡献。
• 配对特征与全局特征结合后，能纠正全局特征模型犯的21处错误，且未引入新错误。
• 配对特征与全局特征近乎互补：配对特征模型的39%错误出现在全局特征模型正确的情况下，反之亦然。
• 该模型在不同分类框架（包括CRFs、逻辑回归与SVM）中表现稳健，表明其具有广泛适用性。
• 当集成至最先进话语解析器中时，改进的分割显著提升了句内解析准确性，但在多句结构上的影响微乎其微。