EMNLPApr, 2020
在基于检索的聊天机器人中进行知识驱动的响应选择之前进行过滤
Filtering before Iteratively Referring for Knowledge-Grounded Response Selection in Retrieval-Based Chatbots
Jia-Chen Gu, Zhen-Hua Ling, Quan Liu, Zhigang Chen, Xiaodan Zhu
TL;DR本文提出了一种名为 FIRE 的方法,通过上下文过滤和知识过滤构建了知识感知的上下文表示和上下文感知的知识表示,然后在此基础上通过迭代参考来收集深度匹配特征以评分响应候选者,实验结果表明 FIRE 在 PERSONA-CHAT 数据集和 CMU_DoG 数据集上的表现优于以前的方法,同时具有更好的可解释性。