Aug, 2019

MIDAS：面向开放域人机口语对话的对话行为注释方案

PDF
TL;DR本文设计了一个层次结构和支持多标签的对话行为注释方案 MIDAS，针对开放领域的人机对话。为了验证该方案的适用性，我们利用迁移学习方法训练多标签对话行为预测模型，并达到了 0.79 的 F1 分数。
dialog act predictionmidasopen-domainhuman-machine conversationstransfer learning
发现论文，激发创造
  • 面向任务导向对话的通用对话行为标注

    本文提出了一种适用于任务导向对话系统的通用 DA 模式，并使用人类 - 人类对话语料库进行标记和建模，通过半监督学习技术，以提高标记效率和标记质量。

    Jul, 2019

  • 面向开放域对话代理的上下文对话行为分类

    本文提出了一种名为 CDAC 的深度学习算法，通过在 Switchboard 人际对话数据集上进行预训练并在人机对话数据集上微调，实现了上下文对话行为分类，并表明采用小样本人机对话数据微调 CDAC 模型可以更精确地预测真实用户的对话行为，为未来的改进提供了有希望的方向。

    May, 2020

  • 面向会话代理的 ISO 标准领域无关的对话行为标记

    本文提出一种方法，将多个公开数据集映射到 ISO 标准的子集，以创建一个大型的与任务无关的 DA 分类训练语料库，并证明使用这个语料库训练一个领域无关的 DA 标签器在跨不同 DA 类别时具有鲁棒性的重要性。

    Jun, 2018

  • DiactTOD: 学习可控的通用潜在对话行为的任务导向对话系统

    通过使用潜在对话行为模型 (DiactTOD) 预测和控制对话行为生成可控制的回应，该方法在 MultiWOZ 数据集上展示了在多种实验设置中的最先进性能，包括零样本、少样本和全样本微调，以及端到端和策略优化配置。

    Aug, 2023

  • 针对口语对话理解数据的低成本 LLM 注释研究

    自动增强口语对话语料库中的语义表示的研究，评估了大型语言模型微调的相关性、生成注释所捕捉的知识，以及半自动注释的影响。

    Jun, 2024

  • 面向灵活对话代理的手动引导对话

    本文提出了一种新的手动引导对话方案，其中代理从对话和手册学习任务，从而降低了对领域本体的依赖，使其更灵活地适应不同的领域，相关实验表明该方案提高了对话系统的数据效率和领域可扩展性

    Aug, 2022

  • 跨语言口语数据意图检测

    本文提出了一种用于多语言和跨语言口语数据意图检测的系统性研究，对该研究所介绍的一个新资源（MInDS-14）进行了利用，证明使用机器翻译模型和最先进的多语言句子编码器相结合能够在大多数 MInDS-14 所涵盖的目标语言中产生强大的意图检测器，并提供了针对不同维度（如零 - shot 学习与有限 - shot 学习、翻译方向、语音识别的影响）的比较分析。我们认为这项工作是在比以往的工作更广泛的语言范围内开发和评估多语意图检测器的重要一步。

    Apr, 2021

  • 多语言任务导向对话的情境语义解析

    通过机器翻译自动翻译对话数据集并使用新的上下文语义解析模型，该方法在多个数据集上提高了准确性并创建了高准确度的多语言对话数据集。

    Nov, 2021

  • 利用明确的过程说明来提高数据效率的行动预测

    本文提出了一种数据高效的解决方案，将知识检索模块与大型语言模型相结合，利用代理指南中的显式指令构建对话系统，并通过半监督预训练方案进行训练，同时评估在行动状态跟踪和工作流发现两个对话任务中的表现，结果表明程序化知识增强提高了在低数据密度下的准确性。

    Jun, 2023

  • 面向联合对话情感分类和行为识别的双向多跳推理模型

    我们提出了一个双向多跳推理模型（BMIM），利用特征选择网络和双向多跳推理网络以双向方式迭代提取和整合丰富的情感和行为线索，明确建模情感和行为标签的相关性，从而在 Dialog Sentiment Classification（DSC）和 Act Recognition（DAR）任务中改善性能并增强联合情感和行为预测任务的可解释性。

    Aug, 2023