Oct, 2011

对话中句子规划的个体和领域适应

PDF
TL;DR研究表明，可训练的语句规划可生成复杂的信息呈现，并易于个性化定制，且个性化的句子规划器通常比针对人群进行训练和测试的模型表现更好。同时，研究还评估了不同特征集的贡献，并显示在该应用中，n-gram 特征通常能达到基于更高级别的语言表示的特征的效果。
spoken language generation moduletrainable generationsentence plannerindividual preferenceslinguistic features
发现论文，激发创造
  • 神经对话生成器能否学习句子规划和话语结构？

    本文研究了对话系统中的句子规划和语篇结构，并探讨了神经生成方法在此方面的运用和推广。研究表明，只有在训练过程中提供额外的监督，神经模型才能出现句子规划和语篇操作，并推广至训练中未见过的情况。

    Sep, 2018

  • 神经个性化响应生成作为域适应

    本文提出了一种基于序列到序列学习的个性化响应生成方法，使用初始化和适应两个阶段，模拟人的响应风格并生成个性化的响应，使用人工评估的方法进行模型评估。结果表明该方法可以很好地模拟人类的响应风格并生成个性化响应。

    Jan, 2017

  • 通过自动规划生成对话代理

    通过使用领域无关的 AI 规划来创建自动化的对话计划，使得具备个性化、定制化和上下文相关互动要求的更复杂多轮对话应用（如职业指导或旅行规划）得以实现。

    Feb, 2019

  • 面向任务导向对话的领域自适应 Prompt 学习

    本文研究了提高生产质量的面向任务的对话系统的设计的困难，提出了使用自然语言的轻量级语义表示 —— 规范形式作为用户意图分类的替代方法，并且展现了规范形式可以很好地泛化到新的、未知的域，在零次或少次样本学习中可以轻易实现，并且可以降低开发新的任务导向的对话域的复杂性和费用。

    Nov, 2022

  • 多领域神经网络语言生成器用于口语对话系统

    本研究提供了一种训练多领域、基于递归神经网络的语言生成器的程序，包含了多个适应步骤，并利用伪造数据和领域内句子的优化目标函数，旨在在新的、看不见的领域内显著减少培训的数据需求，其语料库评估结果和主观测试都表示该程序可以在保证 BLEU 分数和槽误差率竞争力的同时大幅提高语言生成器性能。

    Mar, 2016

  • 基于内容计划的即插即用食谱生成

    本文提出了一种低成本但有效的框架，该框架以插拔的方式显式地对生成文本的全局内容计划建模，并证明其在食谱生成任务上实现了最新的技术性能，从而解决了当前受长期存在的多句文本生成问题。

    Dec, 2022

  • 学习分别规划和实现针对开放式对话系统

    通过将自然语言生成分为计划和实现两个步骤，该论文通过自动和人工评估证明了比端到端方法更好的表现，从而达到实现进行开放式对话系统真正类似于人类的能力的目标。

    Sep, 2020

  • 战略对话的分层文本生成与规划

    本论文介绍了一种学习对话信息表征、提高决策效率的方法，通过解耦对话表述中的语义和语言实现，使用学习到的表征完成对话生成、规划和增强学习等任务，在实验中效果比之前的工作更佳。

    Dec, 2017

  • 神经文本生成的句子级内容规划和风格规范

    通过端到端训练的两步生成模型，即首先由句子级内容规划器决定涵盖的关键词组和所需的语言风格，然后由表面实现解码器生成相关和连贯的文本，可以显著优于现有竞争模型，在 Reddit 的说服性论证、维基百科的正常和简单版本的段落生成以及科学文章的摘要生成等任务中得到验证。

    Sep, 2019

  • 面向知识驱动对话系统的策略驱动型神经响应生成

    本文提出通过对话策略来规划目标响应的内容和风格，促进神经响应生成方法生成更为准确、有效和吸引人的回应，通过 Topical-Chat 数据集的自动注释，得到包括对话上下文、目标对话行为、话题信息等方面的行动计划。作者进一步调查了不同的对话策略模型来预测行动计划，证明了在句子级别和依托对话策略的生成模型所生成的回复更具适切性，并且控制效果更为出色。

    May, 2020