AAAINov, 2018

处理聊天机器人中的闲聊的可信、负责和可解释系统

PDF
TL;DR本文介绍面向聊天机器人的查询理解决方案，包括基于层次化意图的请求分类和使用序列生成模型，以及综合性组件的集成，如成人 / 攻击性分类、语法 / 正则表达式、引导性反应和响应生成模型，以解决这一难题。
chat-botsquery understandinginterpretable modelresponse generationscalable
发现论文，激发创造
  • 增加闲聊功能以增强任务导向对话

    提出了一种人工智能虚拟助手对话系统，名为 ACCENTOR，目的是将聊天型机器人和任务导向型系统相结合以实现更加 engaging 和 interative 的交谈体验，通过添加 chit-chat 的方式，将人机交互设计更为实用和有趣。研究采用全新的数据收集和生成方法来提高系统的性能，并设计了三种不同的模型进行实验，与现有任务导向型四种方法相比，实现了更具情境感和人性化的 chit-chat 响应。

    Oct, 2020

  • 基于深度学习的聊天机器人人类级理解融合

    本研究采用深度学习方法对社交聊天机器人进行情感分析、情感检测、意图分类和命名实体识别，以提高机器人理解和服务质量。

    Dec, 2021

  • 让聊天机器人置身其对话者角度：新的框架学习具备意图的聊天机器人回应技巧

    本文提出了一种基于指导聊天机器人学习人类回应意图的创新框架。使用三个实验设置对其进行了评估并利用四种不同的度量标准评估其灵活性和性能优势。此外，我们还通过人际合作试验证明了指导聊天机器人在一定程度上影响人类回应的有效性。

    Mar, 2021

  • 从过去的对话中挖掘意图信息以供会话代理使用

    本文提出了意图发现框架，通过自动聚类类似用户话语并手动注释，再通过对未被聚类映射的话语标记意图标签和标记传播，从原始对话中生成意图训练数据，以有效地解决在聊天机器人开发过程中遇到的用户话语分类问题，并验证了该框架的有效性。

    May, 2020

  • 销售机器人 2.0：一个人类化意图导向的闲聊数据集

    本文介绍了 SalesBot 2.0，通过使用大型语言模型的常识知识逐渐缩小闲聊和面向任务的对话之间的差距，构建了一个新的大规模数据集，提供了更加平滑的话题转换和更加接近人类自然性和一致性的对话，对学术研究和商业应用都具有重要价值，并提出了一种框架可以用于生成具有各种目标意图的对话。

    Aug, 2023

  • 使用单一问题检测 ChatGPT 冒充者：机器人还是人？

    研究了如何检测聊天机器人，提出了一种名为 FLAIR 的框架，使用单次问题和回答来识别在线对话中的聊天机器人。

    May, 2023

  • 人工智能对话聊天机器人的关键作用

    在这项研究中，我们探讨了 ChatGPT 在学术背景下的伦理影响、其局限性和特定用户群体可能的滥用情况，并提出了旨在防止不当使用和促进负责任的 AI 交互的架构解决方案。

    Oct, 2023

  • 基于任务导向和非任务导向的口语对话系统结合的智能助理对话检测

    研究智能助手是否可以匹配用户的聊天意图，构建了新的数据集以及使用推特和 Web 搜索查询来处理无特定领域的用户发言，实验结果表明，使用 tweets 和 Web 搜索查询可以进一步提高智能助手的 F1 分数。

    May, 2017

  • 聊天达到完美 -- 基于聊天的图像检索

    本文介绍了一种基于聊天式对话系统的图像检索方法，使用大型语言模型生成对用户问题的跟进问题，在对用户的意图进行澄清后，从一个较大的图像库中检索目标图像，并在多次对话中显著提高了图像检索成功率。

    May, 2023

  • 一种低成本、可控且具可解释性的面向任务的聊天机器人：以实际售后服务为例

    本文介绍了一个新的基于 Dialogue Action 的 Tree-structured TaskFlow 架构来构建基于任务的聊天机器人，能够自动构建任务流并有效减轻开发人员负担，实验结果证明其能够解决先前任务导向式对话系统所面临的难以建立本体、可控性和可解释性不足以及大量数据标注需求等问题。

    May, 2022