arXiv cs.CL· Eric Rudolph, Philipp Steigerwald, Jens Albrecht·· 11 小时前AI 评分20
用转移矩阵正则化改进心理咨询对话中的下一对话行为预测
Transition-Matrix Regularization for Next Dialogue Act Prediction in Counselling Conversations
AI 导读
研究提出一种 KL 正则项，将预测的对话行为分布与语料统计的转移模式对齐，用于下一对话行为预测（NDAP）。在 60 类德语心理咨询分类体系上做 5 折交叉验证，macro-F1 相对提升 9–42%（视编码器而定），对话流对齐显著改善；在 HOPE 上的跨数据集验证显示提升可跨语言与咨询领域迁移。系统消融表明该正则化收益稳定，且对较弱基线模型帮助更大。
正文 · AI 翻译
摘要：本文研究如何将经验性的对话流统计信息融入下一对话行为预测（NDAP）。提出了一种 KL 正则化项，使预测的行为分布与语料库导出的转移模式对齐。在包含 60 个类别的德国心理咨询分类体系上使用 5 折交叉验证进行评估，根据编码器的不同，宏 F1 相对提升 9--42%，并显著改善了对话流对齐。在 HOPE 上的跨数据集验证表明，这些改进可跨语言和心理咨询领域迁移。在跨预训练编码器和架构的系统性消融实验中，结果表明转移正则化带来了一致的增益，并且对较弱的基线模型收益尤为显著。结果表明，轻量级的语篇流先验可以补充预训练编码器，尤其是在细粒度、数据稀疏的对话任务中。
| 评论： | ACL 2026 Findings |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.18539 [cs.CL] |
| （或使用 arXiv:2604.18539v2 [cs.CL] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2604.18539 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | Findings of the Association for Computational Linguistics: ACL 2026, pages 25442-25457 |
| 相关 DOI： | https://doi.org/10.18653/v1/2026.findings-acl.1271
链接到相关资源的 DOI |
提交历史
来自：Eric Rudolph [查看电子邮件]
[v1]
2026年4月20日星期一 17:33:37 UTC（444 KB）
[v2]
2026年11月2日星期一 13:52:42 UTC（411 KB）
来源：arXiv cs.CL · arxiv.org