EMNLPAug, 2019

面向基于检索的聊天机器人的个性化响应选择的双重交互匹配网络

PDF
TL;DR本文提出了一种具有双重交互匹配的匹配网络 (DIM)，用于在基于检索的聊天机器人中展示对话代理的个性。实验结果表明，DIM 模型以及其双交互匹配优于基线模型，即带有人物融合的 IMN，的精度提高 14.5％，并且在 top-1 的准确性 hits@1 方面优于当前最先进的模型。
dually interactive matching networkpersonality presentationretrieval-based chatbotsinteractive matching architecturepersona-chat dataset
发现论文，激发创造
  • 基于检索式聊天机器人的多轮响应选择的交互匹配网络

    本文提出了一种针对多轮回复选择任务的交互匹配网络，通过三个方面的词表示构建、具有注意力机制的分层循环编码器，以及全局多轮上下文和回复之间的双向交互计算，实现了在四个公共数据集上的最佳表现。

    Jan, 2019

  • 合作伙伴很重要！检验通过融合人设来进行检索式聊天机器人个性化响应选择的实证研究

    本文提出了四种不同的合成策略，来探讨在基于检索的聊天机器人中，采用自我或合作者角色的角色来描述个性化对话者对响应选择的影响，并将这些策略实现到三个代表模型中，这些模型分别基于 HRE、IMN 和 BERT。实证研究表明，在 Persona-Chat 数据集上，忽略了以前在对话中的合作者角色，IMN 和 BERT 模型的响应选择准确性可能会有所提高。此外，我们基于 BERT 实现的模型在上下文响应感知个性化合成策略下，在原数据和经过修订的数据上的准确性分别比以前的方法提高 2.7% 和 4.6%，在 top-1 准确性（hits@1）方面实现了新的最先进性能。

    May, 2021

  • 面向基于检索的聊天机器人的文档引导匹配网络对话选取

    本研究提出了一种基于文档匹配的网络对话模型 (DGMN)，用于支持知识感知的基于检索的聊天机器人系统，在匹配过程中，通过信息融合和层次交互，动态确定文档和上下文的关键信息，实验结果表明，该模型能够显著提高现有方法的表现，并具有良好的可解释性。

    Jun, 2019

  • 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

  • Sequential Matching Network: 基于检索的聊天机器人中多轮对话响应选择的新架构

    使用顺序匹配网络（SMN）解决对话中响应选择的问题，该网络通过循环神经网络（RNN）建立了对辞话关系的建模并比现有工作取得更好的响应选择结果。

    Dec, 2016

  • 语音与人脸跨模态匹配的不相交映射网络

    提出了一种新的框架，称为 Disjoint Mapping Network (DIMNet)，用于跨模态生物识别匹配，特别是声音和面部。DIMNet 通过将它们分别映射到它们的共同协变量，学习了不同模态的共享表示，从而找到模态之间的对应关系，并且证明了 DIMNet 能够比其他现有方法具有更好的性能，而且在概念上更简单且不需要过多的数据。

    Jul, 2018

  • AIMDiT：情感识别中的多模态维度转换增强和交互

    AIMDiT 框架以模态增强网络和模态交互网络为基础，实现了深度特征的多模态融合，通过在公共基准数据集 MELD 上的实验证明，在 Acc-7 和 w-F1 指标上相对于现有模型取得了 2.34% 和 2.87% 的提升。

    Apr, 2024

  • 改进角色感知对话数据集的双重任务框架

    本文介绍了一种简单而有效的数据中心方法，用于改善个性化对话代理。通过利用针对两个任务的原始 - 对偶结构（预测对话响应和个人资料之间的联系），我们增强了相关人物角色，以改进对话数据集 / 代理，并修复了基准数据集的注释问题，其巨大地增加了模型的精度，体现在 Persona-Chat 上的实验中，我们的方法在准确性上比预训练 LM 高出 11.7 个百分点。

    Feb, 2022

  • Persona-Knowledge 对话多上下文检索和增强解码方法

    本文通过设计一种数据增强策略，运用神经问答检索模型，探讨了 Persona-Knowledge 的识别和响应生成任务，采用不同的解码技术进行对话生成，最终取得了 93.99% 的平均重合度和 23.62 分的 SacreBLEU 分数，成为当前 SOTA 的最佳实践。

    Jul, 2022

  • 基于卷积神经网络的信息检索模拟人类对话

    本文介绍了一种利用卷积深度结构语义神经网络特征进行信息检索的模型，以实现在与用户进行对话时产生人类般的对话互动，该模型采用上下文敏感的方法，具有显著优于传统基线模型的检索响应相关性。

    Jun, 2016