May, 2018

基于语料库的口语对话系统策略优化的神经用户模拟

PDF
TL;DR本篇论文介绍了 Neural User Simulator（NUS），它的行为是从语料库中学习的，并且生成自然语言，因此需要的标注数据较少。与评估基于语料库的度量的大部分先前工作相比，我们使用 NUS 来训练基于强化学习的 Spoken Dialogue System 的策略，并将其与 ABUS 进行比较，发现 NUS 在交叉模型评估和在真实用户上的测试中表现优异。
user simulatorsagenda-based user simulatorneural user simulatorreinforcement learningspoken dialogue system
发现论文，激发创造
  • GenTUS: 基于生成式 Transformer 技术的任务导向对话中用户行为和语言模拟

    本文提出了一个基于生成式变形器的用户模拟器（GenTUS），它可以同时优化用户策略和自然语言生成，并生成语义动作和自然语言话语，保持可解释性和增强语言变异。它还利用大型预训练语言模型，将输入和输出表示为单词序列，从而实现特征表示的可泛化性。评估结果表明，GenTUS 生成的自然语言更真实，能够在没有先验知识的情况下转移到未见过的本体，并且可以通过强化学习进一步优化行为，从而为训练专门的用户模拟器打开了大门。

    Aug, 2022

  • EmoUS: 任务导向对话中模拟用户情绪

    EmoUS 是一种用户模拟器，它可以学习用户情绪并在用户目标、对话历史和用户角色的基础上生成用户情绪、语义动作和自然语言响应，可以作为探针评估各种对话系统及其对用户情绪的影响。

    Jun, 2023

  • 面向任务对话的用户建模

    本论文提出一种基于神经网络的端到端用户仿真模型，用于对话系统的自动评估和训练，采用分层序列到序列模型，并利用隐变量模型引入随机变化，以提高仿真用户响应的多样性，并制定了目标正则化机制，以惩罚用户对初始用户目标的偏离。

    Nov, 2018

  • 基于可靠 LLM 的任务导向对话系统用户模拟器

    DAUS 是一种基于大型语言模型的领域感知用户模拟器，通过在真实的面向任务对话示例上进行微调，显著提高用户目标的实现，并有效减少模拟器回应中的不一致性来源。

    Feb, 2024

  • 基于 GPT 架构和目标状态跟踪的增强式多领域对话系统的生成式用户模拟器

    本文提出了一种以 GPT-2 模型为基础，利用目标状态追踪的生成式用户模拟器（GUS）来解决用户模拟器训练时遇到的挑战，并在 MultiWOZ2.1 数据集上通过交叉模型评估、基于语料库的评估和人类评估等方法对训练出的多个对话系统进行对比，证明了 GUS 在三个评估任务中的表现均优于基于议程的用户模拟器（ABUS）和其他削减模拟器。

    Oct, 2022

  • 对话策略优化的神经用户模拟器对抗学习

    采用对抗训练的用户模拟器能够生成更加真实和多样化的用户行为数据，并用于训练对话系统中的策略，相比于最大似然的模拟器，能够显著提高对话系统的成功率。

    Jun, 2023

  • 基于序列到序列模型的口语对话系统用户模拟

    本文介绍了一种基于编码 - 解码循环神经网络的数据驱动用户模拟器，能够更具上下文准确输出用户意图，相较于基于议程和 n-gram 的模拟器，在 DSTC2 数据集上获得更高的 F-score，展示了更精细分类用户行为的能力。

    Jun, 2016

  • 任务完成对话用户模拟器

    该研究论文介绍了用于电影预订领域的用户模拟器，它利用规则和收集到的数据，并支持电影票预订和电影寻找两个任务。为了实现对对话框架的经验算法比较，论文提出了一种新的模拟框架，展示了多个代理的思路，并详细介绍了将自己的代理添加到所提出的框架中进行测试的过程。

    Dec, 2016

  • 基于任务导向对话系统用户满意度的模拟评估

    通过提出用户满意度注释数据集，构建类人用户模拟器来衡量对话质量

    May, 2021

  • KAUCUS: 知识增强的用户模拟器用于训练语言模型助手

    通过引入 Kaucus，一种知识增强的用户模拟器框架，我们使用基于 GPT-J 的检索增强模拟器和摘要控制模拟器生成多样化的模拟器－助手交互数据，进而发现这些交互数据作为有用的训练数据，可以创建更好的下游助手。同时，我们发现通过检索增强或摘要控制的方式融入知识有助于创建更好的助手。

    Jan, 2024