Mar, 2017

Frames: 为目标导向对话系统添加记忆的语料库

PDF
TL;DR本论文提出了 Frames 数据集，旨在研究目标导向型对话系统中记忆的作用并通过自然语言生成展示信息呈现。此外，还介绍了基于 Frames 数据集的任务 Frame Tracking，将状态跟踪扩展到同时跟踪多个状态，并提出了基线模型。
发现论文，激发创造
  • 一种用于记忆增强对话系统的框架追踪模型

    本文提出一种模型，它可以通过记录多个框架（针对用户目标），来跟踪对话过程中的用户目标并输出相应框架。结果表明，该模型在 Frames 数据集上表现显着优于之前提出的基于规则的基准，此外，本文将该任务细分为子任务并评估其困难程度。

    Jun, 2017

  • 面向文档相关对话的数据集

    本研究介绍了一个文档驱动的文本对话数据集，包含关于热门电影的维基百科文章，利用两种神经网络模型对话，结果表明这种方法引入了更多信息，提高了生成回答的流畅度和吸引力。

    Sep, 2018

  • 具有歧义的众包框架消歧语料库

    使用众包方法对维基百科语料库中的 5,000 个词语 - 句子对进行了 FrameNet 语义框架消歧的资源建设，提供了一个基于不同独立注释者之间互相不同意见的置信度分数的框架列表，强调了语义框架之间的重叠和不确定性对于训练和评估自然语言处理系统的重要性，同时使用 Framester 系统提供的扩展词形集完成数据处理。

    Apr, 2019

  • OpenFraming: 我们提供 ML; 你提供数据。与数据互动，发现其框架

    介绍了一种基于主题建模和深度学习的系统，用于分析和分类文本文档中的框架，该系统提供了预训练的框架分类模型以及适用于用户提供的语料库的新型分类模型的易于使用的流水线，旨在使研究人员能够获得文档的框架

    Aug, 2020

  • doc2dial：一个目标导向的基于文档的对话数据集

    doc2dial 是一种以文档为基础的目标导向的对话数据集，包含来自四个领域超过 480 个文档的约 4800 个带注释的对话，通过引入多重对话建模任务和基线方法来评估数据集的多功能性。

    Nov, 2020

  • Ubuntu 对话语料库：一份用于非结构化多轮对话系统研究的大型数据集

    介绍 Ubuntu 对话语料库，包含近 100 万个多轮对话，可以用于建立基于神经语言模型的对话管理器，同时提供适用于此数据集的两种神经学习架构，并在选择最佳下一个响应的任务上提供了基准表现。

    Jun, 2015

  • 语义框架预测

    本文介绍语义框架预测技术，通过将长篇小说拆解为一系列固定长度的 “故事块”，使用语义框架频次标准化的方法，自动预测出后续故事情节。实验证明，当块长度超过 150 句时，此技术的自动化预测效果显著优于其他现有的方法。

    Apr, 2021

  • MMDialog：面向多模态开放领域对话的大规模多轮对话数据集

    本文介绍了 MMDialog 数据集、提出并规范了两个基于检索和生成场景的反应生成任务，还构建了两个基线，并提出了一种新的评估指标 MM-Relevance，用于衡量多模态反应。

    Nov, 2022

  • 定义框架：使用定义描述混合概念表示

    本文介绍了 Definition Frames （DF），一种从定义中提取的矩阵分布式表示，其中每个维度都具有语义可解释性，DF 具有与其他分布式语义方法相媲美的性能，能在单词相似性任务上取得可比较的成果。

    Sep, 2019

  • 面向多文档驱动对话的转换、焦点和猜测

    本文提出了 MD3 任务，通过对话猜测用户感兴趣的目标文档。通过引入包含 16,881 个文档和 13,434 个对话的新的 GuessMovie 数据集，提出了 MD3 模型，该模型通过检测文档和属性信念的发展来跟踪对话状态并最终优化对话策略，实验结果表明，该方法显着优于几个强基线方法，且与人类的表现非常接近。

    Feb, 2021