构建数据驱动对话系统的可用语料库调查

Dec, 2015

构建数据驱动对话系统的可用语料库调查

A Survey of Available Corpora for Building Data-Driven Dialogue Systems

Iulian Vlad Serban, Ryan Lowe, Peter Henderson, Laurent Charlin, Joelle Pineau

TL;DR通过调查可用于数据驱动型对话系统学习的公开数据集，讨论了这些数据集的重要特征，如何使用它们学习不同的对话策略以及它们的其他潜在用途。同时还研究了数据集之间的迁移学习方法和外部知识的应用，并讨论了适当的评估指标选择。

Abstract

During the past decade, several areas of speech and language understanding have witnessed substantial breakthroughs from the use of data-driven models. In the area of dialogue systems, the trend is less obvious,

dialogue systems data-driven models datasets transfer learning evaluation metrics

发现论文，激发创造

数据驱动对话系统中的伦理挑战

探讨机器对话系统研究中的潜在道德问题，包括数据驱动系统中的隐性偏见、对抗性案例的出现、隐私侵犯的潜在来源、安全问题、增强学习系统的特殊考虑以及可重复性问题，并建议需要进一步研究的领域。

Nov, 2017

近期对话数据生成的研究进展综述

对多轮对话数据生成进行了系统综述，包括开放领域对话系统、任务导向对话系统和信息搜索对话系统，提出了一个概括对话数据生成系统主要原则的通用框架，并探讨了合成对话数据的评估指标和方法、当前领域的挑战以及未来研究的潜在方向。

May, 2024

对话系统综述：最新进展和新的前沿

这篇文章总结了基于深度学习的对话系统的最新进展和研究方向，讨论了如何通过深度学习在任务导向和非任务导向模型中学习有意义的特征表示和响应生成策略。

Nov, 2017

基于深度学习的对话系统的最新进展：系统调查

本篇调查研究基于深度学习的对话系统，综述了当前对话系统的研究成果，并分析了模型类型和系统类型两个角度。此篇研究是目前最全面和最新的，深入涵盖了流行的技术，为对话系统领域的新手和想要快速了解最新技术的专业人员提供了很好的启示。

May, 2021

基于对话的语言学习

研究人员在机器学习和自然语言理解方面的不懈探索中探讨了基于对话的语言学习，发现预测前瞻是一种有前途的学习策略，并表明它可以在没有奖励监督的情况下正确地回答问题。

Apr, 2016

自言自语：自对话作为对话代理的数据

本文提出了一种新方法 —— 通过众包自对话方式高效地收集主题上的非结构化对话数据，并提供包含 23 个主题的 360 万词汇量的语料库，通过与其他语料库的比较证明了其实用性。

Sep, 2018

将预训练模型集成到基于规则的对话管理中

本文提出了一种基于规则与数据驱动对话管理系统相结合的模型设计方法，并集成了预训练模型和 few-shot 能力，实现了对话管理的可拓展与高效性。

Feb, 2021

Alexa Conversations: 一种可扩展的数据驱动方法用于构建面向任务的对话系统

Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

Apr, 2021

社交影响对话系统：社交影响任务的数据集和模型综述

本文正式定义和介绍了社会影响对话系统的类别，该类别通过自然对话影响用户的认知和情感反应，从而引起思想、观点和行为上的变化。作者编制了各种任务、数据集和方法的调查，汇编了七个不同领域的进步情况，并讨论了所研究系统的共性和差异，指出了局限性并提出未来的研究方向。本研究作为社会影响对话系统的全面参考，可以激发在这个新兴领域更专注的研究和讨论。

Oct, 2022

利用大规模语言模型构建具有角色指定的开放域对话系统

本研究旨在解决将角色赋予开放领域对话系统的问题，并提出了一个高效的数据收集框架，借助大规模语言模型的上下文少样本学习来构建满足角色约束的对话数据集。在此基础上，通过比较不同架构的开放领域对话系统，在保持其会话能力的同时满足角色约束。研究结果消息表明，我们的模型返回少量越界言论，在一般指标上保持竞争力。

Apr, 2022