本文提出了一个中文多领域知识驱动会话数据集，该数据集将多轮会话的话题与知识图谱相匹配。我们的语料库包含三个领域（电影，音乐和旅游）的 4.5K 个会话，86K 个话语，平均轮数为 19.0。我们提供了多个基准模型来促进基于该语料库的后续研究。比较结果表明，通过引入背景知识，可以增强模型，但仍有大量空间可用于利用知识来模拟多轮会话以进行进一步研究。结果还表明，不同领域之间存在明显的性能差异，这表明值得进一步探索转移学习和领域适应。该语料库和基准模型是公开可用的。

Apr, 2020

论文介绍了一种名为 “NaturalTurn” 的对话分割算法，可将语音到文本转录本划分为对话转折点，从而更好地理解社交互动的基本构建模块。这一算法通过区分说话者的主要对话转折点和听者的次要话语，如背景话语、简短插话和其他特征对话的平行言论，来准确捕捉自然交流的动态。通过使用大量对话语料库的数据，研究者展示了通过 “NaturalTurn” 得到的转录本相较于现有方法的转录本具有更好的统计特性和推理特性。该算法代表着机器生成转录本处理方法或者所谓的 “转换模型” 的改进，将使研究人员能够将转换过程中的动态与社交互动的更广泛结果相关联，这是对话科学的一个核心目标。

Mar, 2024

本研究介绍了一个文档驱动的文本对话数据集，包含关于热门电影的维基百科文章，利用两种神经网络模型对话，结果表明这种方法引入了更多信息，提高了生成回答的流畅度和吸引力。

Sep, 2018

该研究介绍了 QAConv，这是一个新的基于对话的问题回答（QA）数据集，通过长、复杂、异步和涉及强领域知识的信息型对话提供了一个新的训练和评估测试平台来促进 QA 在对话研究中的应用。

May, 2021

本研究旨在构建一种自然对话体验的人机对话系统，并通过新数据集 DuConv 的实验，证明了在知识图谱的帮助下以对话为导向的规划可生成更丰富的多轮对话。

Jun, 2019

本文介绍了一种利用深度学习技术构建人类对话体系的具体方法，提出了一个基于大型真实情境的中文电商会话语料库 JDDC，并针对该语料库进行了取样和生成基准测试，该研究为人机对话研究提供了有效的实验平台和参考。

Nov, 2019

本文介绍了一个大型的、经过清洗的中文对话数据集 LCCC，包含基础版和大型版两种版本，共计 680 万和 1200 万对话。数据集的质量通过一套规则和分类器确保。此外，本文还释放了 LCCC-base 和 LCCC-large 的预训练对话模型，这些数据集和模型将有助于研究短文本对话建模。

Aug, 2020

对多轮对话数据生成进行了系统综述，包括开放领域对话系统、任务导向对话系统和信息搜索对话系统，提出了一个概括对话数据生成系统主要原则的通用框架，并探讨了合成对话数据的评估指标和方法、当前领域的挑战以及未来研究的潜在方向。

May, 2024

本研究提出了一个名为 CDConv 的基准，用于检测中文对话中的矛盾，其中包含 12K 个多回合对话，注释了三种典型的矛盾类别，并展示了最先进的中文聊天机器人很容易被引导产生矛盾。

Oct, 2022

利用大型语言模型（LLM）的少样本学习能力和生成能力，我们提出了 AutoConv 用于合成对话生成，将对话生成问题形式化为语言建模任务，然后使用少量人类对话经过微调训练 LLM 以捕捉信息获取过程的特征，并使用它生成高质量的合成对话，验证实验表明 AutoConv 大大改进了目前基线模型的性能，并减少了对人类注释的依赖，此外，我们还提供了多项分析研究以促进未来的研究。

Aug, 2023