NTCIR-15 QA Lab-PoliInfo2 Dialog Topic Detection based on Discussion Structure Graph

[Joju-Matsumoto]

一言でいうと

論文リンク

https://research.nii.ac.jp/ntcir/workshop/OnlineProceedings15/pdf/ntcir/12-NTCIR15-QALAB-HiraiY.pdf

著者/所属機関

Yuya HIRAI Faculty of Information and Communication Engineering

Yo AMANO Faculty of Information and Communication Engineering

Kazuhiro TAKEUCHI Faculty of Information and Communication Engineering

投稿日付(yyyy/MM/dd)

2020/12/08

概要

• 議論構造グラフを用いた対話要約手法の提案
• 共起頻度に基づく階層的クラスタリング
• LDAトピック数の推定
• 従属構造分析に基づくトピックフレーズの生成

新規性・差分

結果

コメント

[Joju-Matsumoto]

1. Introduction

• コロナウイルス問題で，国と住民のコミュニケーションが重要になっている
• 現状では2種類ある
  • 自治体の発行するものは人手で作るため，わかりやすいが時間がかかる
  • 議事録は議論内容をそのまま記録したものであるため，素早いがわかりにくい
• 本論文では，議論参加者の発した言葉をノードとしたグラフを用いて後者から前者のようなものを自動生成することを目指す
• 対立する意見や立場を示すグラフを提案する
• LDAを用いて注目すべき単語を特定する

[Joju-Matsumoto]

2. Discussion Structure in Discussion

• 要約に用いる主な戦略は，テキストの一貫性に基づくものではない
• 参加者間の言葉の使い方の違いを表現することに焦点を当てた
• 議論構造グラフ
  • 丸ノード：発話
  • 四角ノード：参加者
  • リンク：参加者が発話した
• トピック(灰色)と立場・意見(黄色，緑)に区別することができる

[Joju-Matsumoto]

3. Data

• 議事録を階層的なユニットに分割する
  • 発言
  • 段落
  • 文
• 使用したツール
  • KHcoder (コレスポンデンス分析，クラスター分析，多次元スケーリング，自己組織化マップ，共起ネットワーク，機械学習をGUIで行える)
  • Chasen (形態素解析)
  • Mallet (LDA)
• ストップワード は以下

[Joju-Matsumoto]

4. Proposed Method

4.1 Discussion Structure Graph

• 議事録から議論グラフを作成する
• 特定の期間 (1日) の発言を用いて，発言，発言者をノードとしてグラフを作成する．
• ノードの大きさは出現頻度
• Figure1同様の構造を示し，これが対立を表していると仮定している

4.2 Clustering the Word

• グラフに基づき，トピックを検出する
• 単語クラスタリングを行う
• Ward法によるツリー状のクラスタリングの結果

• 階層的クラスタリング手法の多くが，単語が類似しているかどうかをテキストのユニットにおける共起頻度に基づくメトリクスが用いられる
• ここではこの単純なクラスタリングを，トピック数の推定のみに使用する
• 階層木の葉から根に向かってクラスタを統合する過程を観察し，統合ごとのクラスタ数の変化が最も変化する部分がトピック数であるとした．
• 今回は6だったので，トピック数 = 6とした

4.3 Words for Each Topic

• LDAでトピックモデリングを行った
• トピック数は6

• 議論構造グラフから，特定のトピックに強く関連する意見ノードを抽出する

4.4 Topic Phrase Generation

• 議論グラフの出現頻度が多いノードのうち，LDAでの重みが大きなものを選択する
• その単語が使用された最初の文章をCanochaで解析し，文の依存関係をもとにトピックフレーズを生成する