Apr, 2019

ConvLab：多领域端到端对话系统平台

PDF
TL;DRConvLab 是一个开源的多领域端到端对话系统平台，它使研究人员能够快速设置实验，并比较许多不同的方法，从传统的管道系统到端到端的神经模型，在共同环境中。ConvLab 提供了一组完全注释的数据集和相关的预训练参考模型。我们扩展了 MultiWOZ 数据集，使用用户对话行为注释来训练所有组件模型，并展示了 ConvLab 如何使得在多领域端到端对话设置中进行复杂实验变得简单而不费力。
convlabmulti-domaindialog systemneural modelsannotated datasets
发现论文，激发创造
  • UniConv: 多领域任务导向对话的统一对话神经架构

    提出了一种名为 UniConv 的神经结构，它能够同时训练多个模块，包括对话状态跟踪和回答生成器，用于多域任务导向的对话系统，实验表明其在 MultiWOZ2.1 基准测试上具有优异的性能。

    Apr, 2020

  • ConvLab-3: 基于统一数据格式的灵活对话系统工具包

    ConvLab-3 是一个灵活的对话系统工具包，基于统一的面向任务对话（TOD）数据格式，旨在解决 TOD 数据集的多种格式和本体的障碍，可极大地降低模型适应新模型或数据集的成本。

    Nov, 2022

  • ConvLab-2：一个用于构建、评估和诊断对话系统的开源工具包

    ConvLab-2 是一款开源工具包，它可以帮助研究人员建立任务导向的对话系统，具备最先进的模型，进行端到端评估，并诊断系统的不足之处。

    Feb, 2020

  • DialogConv：一种用于多视角响应选择的轻量级全卷积网络

    本文提出了一种轻量级的完全卷积体系结构 DialogConv，在卷积操作的基础上，对上下文和回应进行匹配，以从多个上下文视角捕获更丰富的语义信息，与现有模型相比，DialogConv 大小平均缩小 8.5 倍，CPU 和 GPU 设备上分别快了 79.39 倍和 10.64 倍。

    Oct, 2022

  • KdConv：一个面向多轮知识驱动对话的中文多领域对话数据集

    本文提出了一个中文多领域知识驱动会话数据集，该数据集将多轮会话的话题与知识图谱相匹配。我们的语料库包含三个领域（电影，音乐和旅游）的 4.5K 个会话，86K 个话语，平均轮数为 19.0。我们提供了多个基准模型来促进基于该语料库的后续研究。比较结果表明，通过引入背景知识，可以增强模型，但仍有大量空间可用于利用知识来模拟多轮会话以进行进一步研究。结果还表明，不同领域之间存在明显的性能差异，这表明值得进一步探索转移学习和领域适应。该语料库和基准模型是公开可用的。

    Apr, 2020

  • 基于网络的端到端可训练任务导向式对话系统

    本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

    Apr, 2016

  • 可迁移的对话系统和用户模拟器

    通过对话系统和用户模拟器之间的交互，开发了一种建模框架，旨在通过自动对话场景的创建来解决训练数据不足的问题，并使用强化学习来改进智能体的行为，从而在转移学习中提高对话系统性能。

    Jul, 2021

  • MultiWOZ -- 用于任务导向对话建模的大规模多领域人机对话数据集

    本文介绍了一个基于人人写作而成的多领域伪随机项目 (MultiWOZ)，是目前已有数据集中体积最大的任务导向型对话集，其意义在于为未来研究设定了基线，并揭示了其与对话信念状态、对话行为等方面的相关性

    Sep, 2018

  • Alexa Conversations: 一种可扩展的数据驱动方法用于构建面向任务的对话系统

    Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

    Apr, 2021

  • 面向对话式搜索的统一隐式对话框架

    本文提出了一种使用统一的隐式对话框架来进行面向目标，信息搜寻任务的会话搜索应用的方法，该方法可以利用底层数据表示来构建对话交互所需的组件，该框架由一系列端到端可训练模块的管道组成，其中集中的知识表示被用于语义地连接多个对话模块，各种工具被集成到该框架中以获取最终用户的输入以持续改进该系统，该方法的目标是通过识别可以适应和重复使用于许多最终用户应用程序中的组件和数据来促进对话系统的开发，我们通过为几个独立领域创建对话代理来展示我们的方法。

    Feb, 2018