EMNLPOct, 2020

NUANCED：使用估计分布进行细致对话的自然话语注释

PDF
TL;DR本研究构建了一个以用户为中心的对话系统，通过将用户意愿建模为对系统本体的估计分布，并将用户话语映射到这些分布中，学习从用户话语到本体上的映射存在新的问题和挑战，为此，我们建立了一个名为 NUANCED 的新数据集，并展示了我们的问题建模的有用性和挑战。
conversational systemsuser-centricontologymappingnuanced
发现论文，激发创造
  • 评估使用下一轮话语分类的对话系统

    本文研究了人们在 NUC 任务上的表现，以验证其作为一种通过大量无标签数据学习对话策略的方法的相关性，并发现了在任务领域和专业级别上，人类表现的水平存在差异；同时，使用先进的机器学习方法构建的自动对话系统的表现与人类初学者相似，但比专家差，因此证实了这种任务类别对于推动自动对话系统的进一步研究的实用性。

    May, 2016

  • DialogVCS：对话系统中鲁棒的自然语言理解升级

    通过 DialogVCS 建立了一种新的基准测试方法，将包含语义交织的意图识别问题建模为带有正标签但是未标注意图的多标签分类任务，并提出了综合的基线模型以有效地识别具有语义交错的意图。

    May, 2023

  • 一种可扩展的框架，用于从隐性用户反馈中学习，以改善大规模对话 AI 系统中的自然语言理解能力

    本文提出了一种可扩展且自动的方法，通过利用隐式用户反馈来改进大规模对话 AI 系统中的自然语言理解 (NLU)。我们基于用户交互数据和对话上下文，提出了一个通用的领域无关框架，以改进来自生产流量的 NLU 新监督数据。通过广泛的实验，我们展示了应用该框架并改进大规模生产系统中的 NLU 的结果，并展示了其在 10 个领域的影响。

    Oct, 2020

  • 通过改写实现强大的口语理解

    本论文提出了一种新颖的基于改写的 SLU 模型，结合 RNN 和序列到序列的神经网络提出了两个改写生成器，并证明了模型对罕见和复杂的改写话语具有鲁棒性。

    Sep, 2018

  • 面向用户驱动的神经机器翻译

    本文介绍了一种基于用户驱动的神经机器翻译系统，该系统能够捕捉用户的历史输入并生成个性化的翻译结果。为了填补当前缺乏用户行为注释平行数据集和难以对零样本情况的用户画像建模的差距，提出了一种基于缓存和对比学习方法的框架。同时，作者还贡献了第一个中英平行语料库 UDT-Corpus。实验结果表明，该系统能够生成用户特定的翻译结果。

    Jun, 2021

  • 任务导向对话系统中未被识别的用户话语的洞察

    本研究提出了一种用于处理商业任务导向型对话系统中未识别用户语句的端到端管道，包括特定定制聚类算法、新颖的聚类代表提取方法和聚类命名。通过评估这些组件，证明了它们在分析未识别用户请求方面的益处。

    Apr, 2022

  • 为构建对话代理评估自然语言理解服务

    比较了不同的 NLU 工具在多个领域中的性能，结果表明在意图分类方面 Watson 表现最佳，而在实体类型识别方面表现不佳。

    Mar, 2019

  • 文本话语中的新意图和领域的自动发现

    提出了一种名为 ADVIN 的用于自动发现大量未标记数据中的新领域和意图的框架，其采用开放式分类模型识别所有可能包含新意图的话语，使用成对边缘损失函数的知识转移部分以无监督的方式发现多个隐含意图类别并将其层次化链接成领域并形成意图 - 领域分类法，这显著优于三个基准数据集和商业语音驱动代理的实际用户话语。

    May, 2020

  • 自动对话评估的用户响应和情感预测

    本文提出了三种方法，利用情感分析对开放域对话进行自动评估，并在书面和口头对话数据集上胜过现有的自动评估指标。

    Nov, 2021

  • 口语对话系统的依存句法分析

    本研究提出了一种名为 SCUD 的新的语言依存注释标准，并提供了 ConvBank 数据集，以用于在人机对话方面训练依存句法分析模型。实验表明，将模型预训练于公共数据集并在 ConvBank 数据上进行微调可以取得最好的结果，达到了 85.05％的未标注和 77.82％的标注连接准确率。

    Sep, 2019