Sep, 2020

面向任务的对话作为数据流综合

PDF
TL;DR本研究提出了一种基于数据流图表示对话状态并引入元计算符以复用过去状态的方法，并针对此开发了 SMCalFlow 数据集以进行有关事件、天气、地点和人物等问题的复杂对话，实验证明基于数据流图和元计算的方法可显著提高此类自然对话的可表达性和可预测性，同时将其与现有的任务领域状态跟踪模型进行了比较。
发现论文，激发创造
  • 数据流对话生成

    在任务导向对话生成的数据流对话范式中，我们展示了议程驱动的多 WOZ 领域对话生成的示例，以及 SMCalFlow 领域中无议程生成对话的示例。当使用生成的对话来增强翻译训练数据集时，我们展示了用户请求到数据流表达的翻译准确性的提高。

    Aug, 2023

  • 从任务导向对话中无监督地发现流程

    我们提出了一种从对话历史中无监督地发现对话流的方法，从而使该过程适用于任何提供这样历史的领域。通过将话语表示为向量空间并根据语义相似性进行聚类，然后使用这些聚类作为转换图的顶点来可视化对话流。我们通过在 MultiWOZ 上进行实验，发现了具有显著意义和相关性的对话流，并引入了一个自动验证度量标准进行评估。实验结果表明，这种提取任务导向对话中有意义流的方法具有潜力。

    May, 2024

  • 任务导向的对话数据集并非对话型的！

    本文通过分类对话和上下文效果，分析 MultiWOZ，SGD 和 SMCalFlow 等最近和广泛使用的任务型对话数据集，发现少于 4％的 MultiWOZ 的句子和 10％的 SGD 的句子具有对话效果，而 SMCalFlow 在其当前版本中根本不具有对话效果。

    Mar, 2022

  • 简化数据流对话设计

    本文介绍了一种基于数据流的对话系统，并提供了一个注释数据集和程序执行引擎，旨在鼓励更多从业者探索基于数据流的对话系统的新思路和设计。

    Jun, 2022

  • TOD-Flow：任务导向对话结构建模

    我们提出了一种从对话数据中推断出 TOD-Flow 图的新方法，该图可以与对话模型集成，以改善其预测性能、透明度和可控性，并且在 MultiWOZ 和 SGD 基准测试中显著提高了对话行为分类和端到端响应生成性能。

    Dec, 2023

  • 面向任务的对话的序列到序列学习与对话状态表示

    该论文提出了一种新的框架，将对话状态建模为固定大小的分布式表示，并使用注意机制查询知识库，以解决任务导向的对话系统中的问题。实验结果显示，这种框架在自动评估和人类评估上都明显优于其他基于序列到序列模型的模型。

    Jun, 2018

  • 利用任务导向对话系统导航连接的记忆

    本文提出一种通过多轮互动对话进行个人媒体检索的方法，并利用一个基于任务的数据集 COMET 对其进行评估和基准测试。

    Nov, 2022

  • GraphDialog: 将图表知识整合到端到端任务导向对话系统中

    本文提出一种适用于任务导向型对话系统的模型，利用知识库和对话的依存关系图结构信息解决了如何有效地将外部知识库整合到学习框架中以及如何准确捕捉对话历史语义的挑战。此外，该模型采用多跳推理能力以及循环单元架构进行表示学习。实验结果表明，该模型在两个不同的任务导向型对话数据集上均优于现有模型。

    Oct, 2020

  • 一种低成本、可控且具可解释性的面向任务的聊天机器人：以实际售后服务为例

    本文介绍了一个新的基于 Dialogue Action 的 Tree-structured TaskFlow 架构来构建基于任务的聊天机器人，能够自动构建任务流并有效减轻开发人员负担，实验结果证明其能够解决先前任务导向式对话系统所面临的难以建立本体、可控性和可解释性不足以及大量数据标注需求等问题。

    May, 2022

  • MultiWOZ 数据集的数据流实现

    本文介绍了使用数据流范式来进行对话建模，采用计算图层次表示用户请求，数据和对话历史，对多轮人机对话数据集 MultiWOZ 进行了多种格式转换的实验，并给出了实验结果。

    Nov, 2022