SIGIRJul, 2021

基于相关知识和目标的预测性检索聊天机器人

PDF
TL;DR本文提出了一种新的多任务学习框架，以预测相关知识并通过显式信号来监督其学习，实现知识驱动的主动式对话，从而提高最终响应选择的准确性。
proactive dialogue systemmulti-task learningknowledge predictioncontextresponse selection
发现论文，激发创造
  • 主动对话系统调查：问题、方法和前景

    本综述论文提供有关积极对话系统的综述，包括设计和挑战等方面，以及对话类型和实际应用的相关信息。

    May, 2023

  • 基于社交意识强化学习的主动型对话代理改进

    通过采用强化学习算法，研究设计基于社交和任务相关特征的行为预测策略是智能对话代理下一步的发展，以期通过优化设定的预测性对话策略，增强用户满意度和任务效率，并在实践操作中取得较好的协同效果。

    Nov, 2022

  • 针对积极对话的大型语言模型的提示和评估：澄清、目标导向和非协作

    本篇论文中，我们提出了一种称之为 Proactive Chain-of-Thought 推导方案，它能够增强 LLMs 的目标规划能力，以解决其在主动对话方面的不足，具体涉及三个方面：澄清、目标引导和非协作对话。我们还探讨了相应的实证结果，以促进未来在基于 LLM 的主动对话系统方面的研究。

    May, 2023

  • 生产就绪的聊天机器人：生成或提取

    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

  • 新闻对话：走向积极主动的以新闻为基础的对话

    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

  • 使用显式对话目标的人机积极对话

    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

  • 使用适配器的无检索知识驱动对话生成

    该论文介绍了一种名为 KnowExpert 的框架，将轻量级适配器注入预训练的语言模型中，在没有显式检索的情况下适应知识驱动的对话任务。实验结果表明，Knowexpert 的推理效率高，且在开放领域闲聊场景中的表现与一些基于检索的基线方法相当，证明了我们提出的方法的有效性。

    May, 2021

  • 通过查询生成实现信息对话生成中的动态知识检索

    为了实现对话系统的智能回答，文中设计了 DRKQG，该系统能够根据上下文信息，在没有提前准备知识库的情况下通过搜索引擎检索相关知识，并利用生成模块同时考虑上下文信息和检索知识生成回答，实验结果表明，该模块在自动评估和人工评估两方面取得了优异的成绩。

    Jul, 2022

  • 面向任务导向对话系统的双向反馈知识检索

    通过整合知识检索和回答生成，本研究提出了一种检索生成器架构，利用检索器获取相关知识并生成系统回应，并通过生成器的反馈建立检索训练标签，通过对三个基准数据集的实验结果证明了方法在任务导向对话任务中的优越性能。

    Oct, 2023

  • 利用搜索引擎增强的对话响应生成及廉价监督查询生产

    通过使用查询产生器从动态信息检索引擎检索知识，为聊天机器人生成响应的对话模型中，基于廉价噪声监督的训练算法用于产生查询，调整查询生成器而无需人为标注黄金查询，取得了不错的检索效果，大大提高了聊天机器人响应的质量。

    Feb, 2023