ACLJun, 2021

基于模板导向的混合指针网络用于基于知识的任务导向型对话系统

PDF
TL;DR本研究提出了一种基于模板的指针网络模型，该模型利用预构建的特定领域会话存储库中的相关答案作为指导答案，并将指导答案并入编码和解码过程中，以提高神经网络任务导向对话系统的性能。实验表明，该模型在四个常用任务导向数据集上的表现明显优于最先进方法。
neural networktask-oriented dialoguetemplate-guidedpointer networkknowledge-based
发现论文，激发创造
  • 基于指针网络引导的知识驱动生成式对话模型 (PK-Chat)

    PK-Chat 是一种基于知识驱动的生成对话模型，通过指针网络和预训练语言模型在学术场景中进行语言生成，实现了正确且连贯的回答。

    Apr, 2023

  • 面向任务的对话全局到本地记忆指针网络

    该论文提出了一种名为 GLMP 网络的机制，旨在帮助解决在端到端任务导向对话中，将大型动态的知识库融入到学习框架中存在的挑战，并且通过实验证明其在模拟 bAbI 对话数据集和 Stanford 多领域对话数据集上的样本和人工评估中，都表现得比先前最先进的模型更好。

    Jan, 2019

  • DeepCopy: 基于分层指针网络的有根据地生成响应模型

    本文提出了一种基于指针生成网络的响应生成模型，通过加入外部知识以及对话上下文，模型能够在对话系统中生成更加准确、丰富、有趣的响应，并在 CONVAI2 数据集上与几种基准模型进行比较和评估。

    Aug, 2019

  • 封闭领域对话响应生成的实用方法

    本文提出了一种采用双编码器网络进行弱监督训练的原型对话响应生成模型，从过去的代理回答中提取嵌入导出的答案模板，选择最佳模板生成对客户咨询的回答。在像客户服务这样的封闭领域中，所选模板可以涵盖过去咨询的 70％以上。此外，模型选择的模板的相关性显著优于标准 tf-idf 基线选择的模板。

    Mar, 2017

  • 面向主题的指针生成网络用于口语对话摘要

    为了更好地总结对话内容，我们提出了一种基于主题感知结构的指针生成器模型，该模型在使用具有层次结构的主题信息进行适应的同时，在提取和生成方面展现了卓越的性能。

    Oct, 2019

  • 利用异构记忆网络进行面向任务的对话生成

    介绍一种新的外部记忆网络 -- 异构记忆网络（HMNs），用于解决现有的内存网络在从不同来源利用异构信息方面表现不佳的问题。该方法背景知识元组和历史的对话串都被编码和存储到记忆中，并在译码期间使用门控机制进一步增强了上下文感知性记忆。实验结果表明，与数据驱动的最新任务导向式对话模型相比，使用 HMNs 极大地提高了模型的表现。

    Sep, 2019

  • 基于网络的端到端可训练任务导向式对话系统

    本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

    Apr, 2016

  • 使用生成式分层神经网络模型搭建端到端对话系统

    使用生成模型在大型对话语料库上构建开放域对话系统的任务得到了研究，这里我们扩展了分层递归编码器 - 解码器神经网络到对话领域，并证明了该模型与最先进的神经语言模型和后退 n-gram 模型有竞争力，我们进一步探讨了该方法及类似方法的局限性，再展示了如何通过从更大的问答匹配语料库和预训练的词嵌入中引导学习以提高其性能。

    Jul, 2015

  • 利用自动会话评估器实现连贯和引人入胜的口语对话响应生成

    本研究提出一个评估聊天机器人响应的系统，利用明确的反馈机制改进神经响应图生成模型，从而获得更具连续性和参与度的响应。

    Apr, 2019

  • 关键词引导的神经对话模型

    本文提出了一种基于常识的关键词导向神经对话模型，通过外部常识知识图谱实现关键词的转移和响应检索，实现对话更快地到达目标关键词，自我对话和人类评估表明我们的模型产生的响应关键词转移更平稳，比竞争基线更快地到达目标关键词。

    Dec, 2020