Oct, 2017

基于检索的聊天机器人多轮响应选择的顺序匹配框架

PDF
TL;DR我们提出了一种名为序列匹配框架（SMF）的新型匹配框架，该框架可以充分携带上下文中的重要信息，同时建模上下文中话语之间的关系，通过序列卷积网络和序列注意力网络实现，实验结果表明，这两种模型都可以显著优于现有技术，而可视化结果揭示了模型如何捕捉并利用上下文中的重要信息实现匹配。
response selectionmulti-turn conversationmatching frameworksequential convolutional networksequential attention network
发现论文，激发创造
  • Sequential Matching Network: 基于检索的聊天机器人中多轮对话响应选择的新架构

    使用顺序匹配网络（SMN）解决对话中响应选择的问题，该网络通过循环神经网络（RNN）建立了对辞话关系的建模并比现有工作取得更好的响应选择结果。

    Dec, 2016

  • 使用深度话语聚合建模多轮对话

    本文研究基于信息检索的跨度多轮对话系统以往语句的上下文建模的问题，提出将以前的话语通过一种深度聚合模型聚合成细粒度的上下文进行表示。实验结果表明，与现有的最先进的方法相比，该模型在三个多回合对话基准测试中表现更优秀。

    Jun, 2018

  • 面向诺干式端到端应答选择的顺序注意力网络

    本文提出了一种基于序列匹配模型的多轮对话响应选择算法，相比之前的模型，该模型在提升多轮对话系统中的响应选择效果方面取得了更好的表现，并在两个大规模公开数据集上均获得了最优表现。

    Jan, 2019

  • 融合会话历史和候选来源进行上下文响应排序的对话系统中的 FCC

    本论文提出了一种灵活的神经网络框架，利用上下文信息从多个渠道进行整合来提高多轮对话响应排序的性能。在 MSDialog 数据集上的实验结果表明，我们的框架显著优于先前的最先进模型，提高 Recall@1 7％和 MAP 4％。

    Mar, 2023

  • 基于检索式聊天机器人的多轮响应选择的交互匹配网络

    本文提出了一种针对多轮回复选择任务的交互匹配网络，通过三个方面的词表示构建、具有注意力机制的分层循环编码器，以及全局多轮上下文和回复之间的双向交互计算，实现了在四个公共数据集上的最佳表现。

    Jan, 2019

  • 使用自监督任务学习有效的上下文 - 回复匹配模型， 用于基于检索的对话

    本研究提出了一种基于预训练语言模型的上下文相应匹配模型，引入了四个自我监督任务，并与 auxiliary tasks 一起多任务训练 PLM-based 响应选择模型，旨在提高多轮响应选择的准确性。实验结果表明，在检索式对话中，引入辅助自我监督任务对多轮响应选择带来了显著的改进，本模型在两个数据集上都达到了最新的最优结果。

    Sep, 2020

  • Mix-and-Match：使用高斯混合嵌入的可伸缩对话响应检索

    本文提出一种可伸缩模型，将上下文和响应映射到嵌入空间中的概率分布中，并通过最优化 Kullback-Leibler 散度训练模型，从而在公开对话数据上比其他基于嵌入式方法表现更好。

    Apr, 2022

  • 语义搜索中的多任务查询 - 回应交互用于聊天机器人候选人检索

    提出了一种基于多任务学习的语义搜索神经网络 (Multitask-based Semantic Search Neural Network, MSSNN) 方法，该方法通过多任务实现查询 - 响应交互，并用 Seq2Seq 模型训练优秀的查询编码器，执行单词预测任务构建响应嵌入，最后进行简单的匹配模型构建点积评分器，实验手段证明了该方法的潜力。

    Aug, 2022

  • 电商领域基于上下文的问题匹配的迁移学习

    本研究旨在解决多轮信息检索对话系统中先前存在的困难与不足，通过提出一种基于卷积神经网络的高效且有效的多轮会话模型，进而研究转移学习以在资源贫少的领域中提高性能，最终将模型应用于阿里巴巴的工业聊天机器人 AliMe Assist 中，取得了显著的性能提升。

    Jun, 2018

  • UniRetriever：多任务候选选择用于各种上下文自适应式会话检索

    我们提出了一种多任务框架，作为会话中三个主要检索任务（个人选择、知识选择和回复选择）的通用检索器，通过设计一个双编码器体系结构来检索相关上下文，通过点积方法检索适合的候选项，并引入两个损失约束来捕捉对话上下文和不同候选项之间的微妙关系。实验证明我们的模型在训练领域内外都能取得最先进的检索质量，揭示了其成为同时用于不同候选项选择任务的通用检索器的潜在潜力和泛化能力。

    Feb, 2024