[论文解读] Limited attention and discourse structure

Marilyn Walker|arXiv (Cornell University)|Jun 1, 1996

Speech and dialogue systems参考文献 24被引用 73

一句话总结

本文提出了一种话语处理的计算模型，利用缓存数据结构模拟人类话语理解中有限的注意力。通过将注意力状态建模为缓存操作，该方法能够高效管理层次化话语结构，特别是在通过受控记忆的处理方式处理指代关系和意图方面。

ABSTRACT

Cet article examine le role de l'attention limitee dans un modele informatique de traitement du discours. Le modele de cache est propose comme une implementation informatique de la memoire de travail humaine ; les operations sur l'etat d'attention sont formulees comme des operations sur un cache. Puisqu'un cache peut etre utilise pour traiter les references et les operations d'un programme structure hierarchiquement, alors un cache peut etre utilise pour modeliser un etat d'attention quand les intentions du discours sont structures hierarchiquement

研究动机与目标

• 研究有限注意力如何影响计算模型中的话语处理。
• 解决在认知资源受限条件下管理层次化话语意图的挑战。
• 提出一种基于缓存的架构，作为人类工作记忆在话语处理中的计算实现。
• 展示缓存操作如何模拟话语理解过程中的注意力状态。

提出的方法

• 本文将人类工作记忆建模为缓存数据结构，以模拟有限的注意力容量。
• 话语意图以层次化结构表示，并通过缓存操作进行处理。
• 使用缓存操作（如插入、检索、驱逐）来模拟话语处理过程中注意力焦点的转移。
• 该模型利用基于缓存的机制来管理回指指代，并维持话语段落之间的连贯性。
• 系统设计使得注意力焦点对应于缓存内容，有限的大小强制实施注意力约束。
• 该方法将注意力操作形式化为缓存操作，实现对复杂话语的结构化处理。

实验结果

研究问题

• RQ1 如何在话语处理中计算建模有限注意力？
• RQ2 缓存数据结构在多大程度上能有效模拟人类工作记忆和注意力约束？
• RQ3 层次化话语意图如何影响计算模型中注意力状态的组织？
• RQ4 基于缓存的操作是否足以表示话语中指代关系和注意力焦点的动态管理？
• RQ5 与传统方法相比，基于缓存的注意力模型在处理话语结构方面具有哪些优势？

主要发现

• 基于缓存的模型成功模拟了人类工作记忆在话语处理中的约束。
• 缓存操作为话语理解过程中注意力焦点的管理提供了有效机制。
• 该模型通过受控记忆操作，实现了对层次化话语意图的结构化处理。
• 使用缓存使得话语内部回指指代的管理更加高效。
• 该方法表明注意力动态可通过数据结构操作进行形式化。
• 该框架通过将注意力状态与缓存内容对齐，支持话语的连贯处理。