What's Mine becomes Yours: Defining, Annotating and Detecting Context-Dependent Paraphrases in News Interview Dialogs

这篇文章探讨了在对话中的转述，而在高冲突的谈话（如咨询或客户支持）中，最佳实践几乎总是包括建议转述之前的发言者。虽然转述分类已经受到自然语言处理(NLP)的广泛关注，但是转述通常被认为是独立于上下文的，常见的模型和数据集不适用于对话设置。因此，本研究对对话中的转述进行了调查（例如，发言人1：“那本书是我的。”变成了发言人2：“那本书是你的。”）。我们提供了一种上下文相关的转述操作方法，并开发了一种训练众包工人在对话中分类转述的方法。我们引入了一个数据集，其中包含了NPR和CNN新闻采访中用于上下文相关转述的话语对的注释。为了实现标签变化的分析，数据集包含了600个话语对的5,581个注释。我们展示了在上下文学习和令牌分类模型中进行自动转述检测的有希望的结果。

论文旨在解决对话中的同义句分类问题，尤其是针对具有上下文依赖性的同义句。这是一个新问题。

论文提出了一种上下文依赖性同义句的操作方法，并开发了一种训练众包工人分类对话中同义句的方法。研究人员还引入了一个数据集，用于自动检测对话中同义句的标记。

论文的亮点包括在上下文学习和令牌分类模型中的有前途的结果，以及使用NPR和CNN新闻采访的语句对进行注释的数据集。研究人员还提供了自动检测对话中同义句的模型和数据集。

最近的相关研究包括同义句分类的NLP研究，但这些研究通常不适用于对话环境。