arXiv · NLP· Mikhail L. Arbuzov (Independent researcher), Karan Dave (Independent researcher), Evgeniya Dontsova (Independent researcher), Yaodong Hu (Independent researcher), Vincent Lao (Independent researcher), Navita Jain (Independent researcher), Sisong Bei (Independent researcher), Dmitry Dimov (Independent researcher)·· 2026-10-09AI 评分37
规模化会话分析中的陈述归一化
Clarify, Then Focus: Statement Normalization for Conversation Analytics at Scale
AI 导读
该研究提出“先澄清文本,再聚焦读者”的原则,通过陈述归一化将对话转化为带说话人归属和语义标签的简短陈述。 在客服电话的报价抑制任务中,归一化提升了无选择监督分类器的性能,而较弱的提示型读者同时受益于归一化和选择。 该方案支持完全由小模型构建的推理流水线,使处理数百万次会话的分析成本显著降低。
来源:arXiv · NLP · arxiv.org