Sep, 2018

自言自语：自对话作为对话代理的数据

PDF
TL;DR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。
conversational agentsdata-driven trainingcrowd-sourcingcorpusself-dialogues
发现论文，激发创造
  • 构建数据驱动对话系统的可用语料库调查

    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。

    Dec, 2015

  • 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

  • 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

  • 当众筹遇见人设：创建大规模开放域人设对话语料库

    本研究创建了一个大规模的开放式人设对话语料库，解决了创建自然语言数据集时面对的语义敏感性、隐私问题、数据采集难度等多重难题。

    Apr, 2023

  • DailyTalk: 用于会话文本转语音的口语对话数据集

    本文介绍了 DailyTalk 这一高质量的会话 TTS 数据集，该数据集包含来自开放领域对话数据集 DailyDialog 的 2534 个对话，并扩展了 LST-CNN-TTS 模型，结果表明 DailyTalk 数据集可用作通用 TTS 数据集，并且基线模型可以表示 DailyTalk 中的上下文信息。

    Jul, 2022

  • 推进跨学科的对话科学：从大型多模态人类语音语料库中获得的洞见

    本文介绍了一种跨学科的对话科学，基于一个大型的多模式语料库，通过语音，视频和转录记录了 1656 次对话，利用此实验数据，研究人员提出了新的算法并应用机器学习技术，以分析对话成功或失败的因素，并探讨对话与幸福感之间的关系。

    Mar, 2022

  • 使用自我对战近似交互式人类评估的开放域对话系统

    本文提出一种交互式的人工评估对话质量的方法，并介绍了一种基于自我对话的度量方式，该方式可以更好地捕捉对话模型的质量，同时使用了情感和语义连贯性等维度。通过对多个模型的实验比较，研究表明，这种度量方式优于目前已知的所有自动化方法，同时也优于静态会话的人工评估。最后，开放性地共享出研究基于交互式评估所构建的数据集和平台以供其它研究者使用。

    Jun, 2019

  • 利用自动回复分割从无标记文档中合成对话

    通过学习对话任务数据的分割而不是使用句子边界的分割方法，我们提出了一种强大的对话合成方法，通过该方法生成的合成数据集在机器和人员评估中表现出优越的质量，同时在 ConvQA 检索系统预训练中使用我们的填充数据，观察到 OR-QuAC 基准测试数据的显著提升。

    Jun, 2024

  • 使用对话自我博弈，一夜之间构建一个交流代理人

    提出了基于自动化和众包的 Machines Talking To Machines (M2M) 框架，可用于创建面向目标对话的端到端对话代理，该框架可适应特定任务，并能够收集更多不同领域内的对话流，并维持对话时的自然度，同时，提供了一个新的对话语料库，包含 3000 次对话，涵盖了 2 个领域，与流行的对话数据集进行了比较。

    Jan, 2018

  • 口语问答自学习的自监督对话学习

    本研究通过自监督学习方式，包括不连贯性识别，插入检测以及问题预测，明确捕捉口语对话文档之间的指代消解和对话连贯性，提高了口语对话的意义和连贯性。在 Spoken-CoQA 数据集上取得了最先进的结果。

    Jun, 2021