基于排序的社交对话集成模型
介绍了爱丁堡大学的社交机器人Edina,其使用创新的自对话数据收集技术生成自然、高效且反映相关主题的对话数据,支持基于规则、匹配分数和生成性神经网络的混合驱动方法进行对话匹配。
Sep, 2017
该论文介绍了一种新颖的、面向亚马逊Alexa奖赛的社交机器人,旨在与用户进行友好的谈话,并在各种话题上展开对话。我们提出了一种模块化系统,重点介绍了我们使用人类思维作为数据管理模型的不同数据来源以及我们如何构建和使用自然语言理解和信息检索工具和API来扩展我们的知识库。此外,我们描述了我们的半结构化、可扩展的框架,用于构建特定话题的对话流程,并详细说明了我们的对话管理方案和评分机制。最后,我们简要评估了系统的性能,并观察了开放领域社交机器人面临的挑战。
Jan, 2018
通过Alexa Prize进行的研究,结合当今自然语言处理、上下文理解、会话管理等方面的技术,旨在解决对话人工智能问题,从而使得社交对话和自由形式对话在广泛的领域和主题上更加自然地进行。
Jan, 2018
本文提出了使用神经排序器从未标记的数据中有效地训练社交对话系统的方法,并展示了使用该方法通过优化长度作为目标的排序器在性能上优于优化用户评级的排序器,从而可简化未来社交对话代理的数据收集。
Nov, 2018
2018年的Alexa Prize竞赛促进了会话人工智能的发展,多所大学加强了会话模型的上下文理解和对大量不同类型输入的处理,并借助知识图谱等工具提高了自然语言理解能力,使用统计和分层对话管理和模型驱动的用户响应机制,同时提供CoBot工具包、话题检测模型、对话行为检测模型、对话评估等套件,构建了知识丰富、连贯、吸引人的多轮对话系统。
Dec, 2018
Athena 2.0是一款在Alexa Prize Grand Challenge的最后两轮中表现优异的Alexa Prize SocialBot,其成功的原因是采用创新的对话管理策略,允许其从组件模块中动态构建对话和响应,从而实现与每次交互的新颖对话,并在此论文阐述了Athena的系统设计和在20/21 Alexa Prize竞赛中的表现。同时提供Athena的现场演示和视频记录,探讨了会话式人工智能的最新发展。
Nov, 2021
介绍了 Alexa Prize 中的 TaskBot challenge,该项目要求参赛者开发能够通过语音和视觉辅助人类完成真实任务的对话系统,同时保持用户的参与度。
Sep, 2022
该研究对基于多个响应生成器的开放域对话系统进行了实验,使用了多种响应排序方法比较Athena-Heuristic和Athena-RR,结果显示Athena-RR表现最好,能够在对话中更准确地选择最佳响应。
Feb, 2023
UCSC's conversational agent, Athena 2.0, utilizes a novel knowledge-grounded discourse model for Amazon's Socialbot Grand Challenge 4, incorporating entity links, named-entity recognition, coreference resolution, and a user model for personalization.
Aug, 2023