最新新闻疑问驱动聊天机器人
在本文中,我们提出了一种新的任务,即主动引导的新闻对话,其中对话系统可以根据新闻的关键主题主动引导对话。为了进一步开发这一新任务,我们收集了一个人对人的中文对话数据集 NewsDialogues,其中包括 1000 个对话,总共 14600 个话语,并对目标主题和知识范围进行了详细注释。此外,我们提出了一个名为 Predict-Generate-Rank 的方法,包括一个用于基于知识的预测和回复生成的生成器,以及一个用于多个回复排名以减轻曝光偏差的排序器。我们进行了全面的实验证明了所提方法的有效性,并提出了几个关键发现和挑战以促进未来的研究。
Aug, 2023
我们提出了一种新颖的基于 AI 的聊天机器人学习模式,用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式,在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估,证明了我们的系统在传递知识和关注用户方面的有效性,帮助用户在不阅读文章的情况下大大提高知识水平。
May, 2022
本研究提出结合知识图谱和对话系统的方案,帮助护理依赖人群查找相关新闻文章并提供个性化推荐,旨在缓解老年人和慢性病患者生活中遇到的困难,并通过进行用户测试和规划未来工作,对该系统进行了详细阐述。
Mar, 2023
本文提出使用不断学习的方法,通过与用户进行对话,改进对话系统(chatbots)中按人工规则编译知识库和局限于理解自然语言的能力,提高在多种语言表达和聊天技能方面的用户满意度。
Sep, 2020
该研究提出了一个混合模型,结合了神经会话模型和基于规则的图形对话系统,通过聊天对话协助用户安排提醒,该系统相较于基于规则的基准系统表现出显著的改进,并结合了神经生成模型,使其足够稳健以应对实际应用场景。
Nov, 2017
本研究论文重点探讨了聊天机器人技术环境的历史、困难和前景,并提供了一种非常灵活的聊天机器人系统,利用强化学习策略改善用户互动和对话体验,使用情感分析和自然语言处理技术确定用户情绪,并探讨了聊天机器人技术发展的复杂性及其对各个领域的深远影响。
Oct, 2023
为了增加推理能力,我们通过四个阶段的过程收集有超过 10,000 篇 CNN 新闻文章的人类生成的问题 - 答案对的数据集 NewsQA,该数据集超过 100,000 个 QA 对,由众包工人提供,答案包含想对应文章的文本内容片段。人类的表现比现有神经模型的性能更好,这表明未来的研究可以在 NewsQA 上取得显著的进展。
Nov, 2016
本文提出了一种名为 “小明 bot” 的多语种、多模态软件机器人,它具备生成新闻、翻译新闻、阅读新闻和头像动画等四种能力,并且通过语音克隆技术进行多语言语音合成。此系统拥有一个动画头像,能够生成和阅读多语言新闻。自推出以来,“小明 bot” 已经写了超过 600,000 篇文章,在社交媒体平台上获得了超过 150,000 个关注者。
Jul, 2020
我们提出了一种新的端到端方法,用于内容丰富的神经会话,它将响应生成和按需的机器阅读共同建模,通过在飞行时向对话模型提供相关的长形文本作为外部知识源,每次进行问答式阅读来响应每个对话轮换,支持进一步的知识基础会话研究,我们介绍了一个新的基于外部网页的大规模会话数据集(2.8M 轮,7.4M 语句),人类评估和自动指标表明,我们的方法相对于各种先前方法,可以获得更加富有内容的响应,从而提高所生成的输出的信息量和多样性。
Jun, 2019