AAAIJul, 2019

基于知识的 ESIM 模型在基于检索的对话系统中的响应选择

PDF
TL;DR本文提出了扩展的 Enhanced Sequential Inference Model (ESIM) 模型: a) K-ESIM (Knowledge-ESIM)，其整合了外部领域知识 b) T-ESIM (Targeted-ESIM)，其利用类似对话的信息来提高预测准确性，初步结果表明在预测下一个话语方面，这些模型对于整合外部知识源并利用对话信息会带来性能提升。
goal-oriented dialog systemscustomer supportdomain knowledgeesim modelsprediction accuracy
发现论文，激发创造
  • 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

  • 情感支持对话的知识增强混合式倡导系统

    研究了情感支持交流中混合主动性对话的问题，提出了一种基于知识增强的混合主动性框架，该框架从大规模的心理健康知识图谱中检索实际案例知识，优于传统方案。

    May, 2023

  • 在信息交互对话系统中使用深度匹配网络和外部知识进行响应排名

    该研究提出了一种在深度神经匹配网络上利用外部知识进行响应排序的学习框架，实验证明，该方法在包括商业数据在内的三个信息寻求对话数据集上优于各种基线模型，包括多个深度文本匹配模型和多轮对话响应选择的最新方法。

    May, 2018

  • 对话系统中选择相应生成知识的学习

    该论文提出了一种采用先验和后验知识分布来实现知识选择的端到端神经模型，以更好地将适当的知识整合到响应生成中。

    Feb, 2019

  • 增强 Ubuntu 对话语料库中未登录词的单词表示

    该论文提出了一种方法，将通用的预训练词向量与特定任务的训练集生成的词向量相结合，解决 Ubuntu 对话语料库中的大量生僻词问题，应用于下一个话语选择任务中，结果表明该方法优于原始方法 ESIM，并在 Ubuntu 和 Douban 对话语料库上取得了最先进的结果。

    Feb, 2018

  • 基于预训练语言模型的知识驱动对话生成

    我们使用预训练的语言模型来研究基于知识的对话生成，通过知识选择模块和无监督方法来优化知识选择和响应生成，实验结果表明，我们的模型在自动评估和人类判断方面都显著优于现有方法。

    Oct, 2020

  • 开放域对话中的多句知识选择

    提出对话知识选择的新框架和数据集，用于评估现有方法的不足之处，并通过神经重排序模型改进评估结果，出色地完成了对话回复

    Mar, 2022

  • IEKM：一个集成外部关键词矩阵的模型

    提出了一种使用外部关键词矩阵模型（IEKM）解决客户服务平台系统面对的不同领域适应和语义上相似但句子对在字面上接近而语义上不同的困难负样例的挑战，在 Transformer 结构的自注意力层中通过门单元融合外部工具或字典构建的外部矩阵，实现对模型结果的灵活校正，实验结果表明，该方法在多个数据集上表现出改进性能，F1 值从 56.61 提高至 73.53。

    Nov, 2023

  • 封闭领域对话响应生成的实用方法

    本文提出了一种采用双编码器网络进行弱监督训练的原型对话响应生成模型，从过去的代理回答中提取嵌入导出的答案模板，选择最佳模板生成对客户咨询的回答。在像客户服务这样的封闭领域中，所选模板可以涵盖过去咨询的 70％以上。此外，模型选择的模板的相关性显著优于标准 tf-idf 基线选择的模板。

    Mar, 2017

  • 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