论文链接：
https://arxiv.org/abs/2106.08556
动机
对话中往往存在多个说话人， 说话人的角色经常会发生改变，而且存在着无处不在复杂的指代关系，给对话摘要任务造成了困难，容易造成事实不一致性的错误，错误的配说话人和行为。下图就是一个例子。针对这个问题，作者将指代消解引入到对话摘要模型中。
模型与方法
首先用指代消解模型标注出对话中的指代关系，得到若干的指代消解簇（cluster)，每个簇中包含若干个实体，这些实体指代相同。如下图所示，这里有三个指代簇，相同颜色的实体在一个簇中，如Chole和两个she指代相同。这里注意，传统的指代消解模型放在对话上面可能效果不是很好，比如没有考虑进说话人，或者没有很好的聚类，文章才用了一些技巧进行改进，详见论文。
基本模型是BART模型，先用编码器编码，再用解码器解码生成摘要，中间需要添加一个模块，来引入coreference信息
这里作者提出了三种方法来引入coreference信息:
第一种方法，如下图所示，利用图神经网络。
首先利用刚才得到的指代消解关系簇来建图，输入序列有n个token,图就有n个节点，用邻接矩阵表示边。遍历每个指代关系簇中的实体，相邻的实体对应的节点建双向边。那上面那个例子做一个具体的说明，首先把所有对话拼接成一个序列，这样第一个Riely就是第1个token对应1号节点，第二个Riely可能对应20号节点，第三个Riely可能对应30号节点，然后遍历第一个簇，发现3个Riely在这个簇里，然后就在1号节点和20号节点间连一条边，在20号节点和30号节点间连一条边，连边就是邻接矩阵置1，这样建好了图。
这里用图神经网络对建的图进行编码，首先用编码器对输入序列编码，相当于得到每个节点的初始表示，作为图神经网络的输入，然后用多层图神经网络不断聚合信息，最后得到一个总体的向量表示，再送入解码器生成摘要。
图神经网络会引入大量额外的参数，第二种方法利用注意力来引入指代信息，示意图和公式如下图所示，如果一个token属于一个指代簇，也就是说有其他的token和它指向同一个指代实体，就更新一下编码得到的隐藏向量，加权上一个注意力向量，注意力向量是同一个簇内所有指代实体的隐藏向量的平均值。如果token不属于任何指代簇，就不更新它的隐藏向量
第三种方法就是直接从利用探针实验，从Transformer中选出与指代信息最相关的注意力层，然后直接在这些注意力头上注入指代信息。
代码链接：
https://github.com/seq-to-mind/coref_dial_summ