AAAIJan, 2019

促进多样性的端到端对话响应生成

PDF
TL;DR本文介绍了在 DSTC7-Track 2 中针对知识基础设定下全数据驱动对话模型的响应生成展开的工作，主要包括利用变分生成模型和检索模型生成多种回复以及通过主题连贯性区别模型确定最相关回复，该工作在官方评估中取得了较好的效果。
dialog systemconversation modelingresponse generationvariational generative modelretrieval model
发现论文，激发创造
  • 面向任务的对话中基于非结构化知识的高效检索增强生成

    本文总结了我们在第九届对话系统技术挑战赛（DSTC 9）第一轨中的工作，我们提出了一种基于层次分类和序列嵌入的检索和生成方法，以实现针对任务导向对话中利用非结构化文本信息的回答生成。

    Feb, 2021

  • 检索与精炼：用于对话的改进序列生成模型

    本研究发展了一种融合了两种不同方法的模型，能够检索出机器人回答，并将其作为附加语境进行精细调节，从而产生了更准确、更生动、更吸引人的回答。在最近的 CONVAI2 挑战评估中，该模型在人类评估中明显优于传统的检索和生成模型。

    Aug, 2018

  • DSTC6 中的端到端对话建模赛道

    本文提出基于人人对话数据的挑战赛以训练端到端对话模型，实现了端到端的对话任务，模拟了客户服务的各种情况。

    Jun, 2017

  • 为端到端响应选择构建序列推理模型

    本文提出了一种基于增强的序列推理模型的端到端响应选择模型，该模型采用了新的词表示方法、带有注意力机制的分层循环编码器、多维池化和池化方法等技术来解决 DSTC7 任务中响应选择的问题，并在 DSTC7 的评估结果中获得了较高排名。

    Dec, 2018

  • 生成、评估和选择：具有响应评估器的对话系统，用于多样性感知响应生成

    本文提出了一种生成评估模型，评估由响应生成器生成的多个响应并由评估器选择最佳响应，以克服当前对话系统响应缺乏多样性的问题，并提高对话系统与用户的互动效果。人类评估结果表明，该模型的响应通常被认为比基线系统的响应更好，并且表明该方法的有效性。

    Jun, 2022

  • 对话系统技术挑战赛 7

    本文介绍了第七届对话系统技术挑战赛（DSTC）的概况和研究成果，包括不同追踪和数据集的详细描述。该比赛聚焦于建立端到端的对话系统，并于句子选择、句子生成和音视频场景感知对话等方面展开研究。参赛者使用最先进的技术取得了显著的成果。

    Jan, 2019

  • 对话生成语义多样性的测量和改进

    本文提出了一种新的自动化评估指标，用于衡量生成响应的语义多样性，以及一种基于语义分布权重的学习方法，用于提高生成响应的语义多样性和连贯性。

    Oct, 2022

  • DSTC9 中基于任务的对话建模与非结构化知识访问跟踪的超越领域 API

    任务驱动的对话系统使用外部非结构化知识源来扩展任务领域 API 的覆盖范围，三个任务包括知识寻找、选择和响应生成，并用集成方法和大规模预训练语言模型取得了高性能。

    Jan, 2021

  • DSTC9 中的对话跟踪交互式评估

    该论文介绍了针对开放领域对话系统的交互式评估方法，为开发基于知识的响应生成模型，探索将其扩展到与真实用户的交互中提供挑战，从而介绍了从静态语料库到交互式评估的进展，以及如何最好评估开放领域对话模型的见解。

    Jul, 2022

  • 利用少样本数据增强和逐层引导的响应生成

    本文讨论使用主观知识进行任务导向型对话建模的方法，重点关注回答生成。我们通过广泛的数据分析确定了回答长度、情感和对话行为等关键因素，并使用少样本学习来增强数据。我们提出了三种方法应用于 DSTC11：（1）任务特定模型探索，（2）将最频繁的问题纳入所有生成的回答，以及 （3）结合了 GPT-3 和 ChatGPT 的瀑布提示技术。

    Aug, 2023