本文提出了基于分层对比学习的师生框架来预测没有响应的话题转移，并在中文自然对话话题语料库上进行了实验，结果表明该模型的有效性。

May, 2023

本文提出一种名为 TARG 的基于主题的响应生成模型，改进了基于词或句子相似度来检测相关知识背景的方法，用主题信息来提高对话历史的理解，取得了知识选择和响应生成上的最新成果。

Dec, 2022

通过提示式方法从对话中多层次提取主题信息，可以有效地识别对话主题的变化与多样性，且实验结果显示该方法优于现有方法。

May, 2023

本文提出了一种新颖的基于主题感知的无监督多轮对话建模方案，该方案通过无监督的主题感知分割算法和主题感知双交互匹配网络实现，在多个公共数据集上的实验结果表明 TADAM 可以胜过现有的最新方法，尤其是在出现明显主题转移的电子商务数据集上提高了 3.3％。

Sep, 2020

该研究提出了一种从主题感知的角度对多轮对话进行建模，使用对话切分算法将对话段落无监督地拆分为主题集中的片段，并将这些片段作为主题感知的语言处理单元用于进一步的对话理解。通过在聚类系统中设计自训练自编码器，并构建两个构造的数据集进行评估，我们展示了拆分段落在域内主题检测和定位方面的便利性。同时，拆分段落也是多轮对话响应选择的适当元素，为此，我们提出了 Topic-Aware Dual-Attention Matching (TADAM) 网络模型，它以主题片段作为处理元素，并使用双交叉注意力匹配响应候选项。通过对三个公共基准测试的实证研究，我们发现相对于基准，该模型取得了显著的改进。该研究延续了先前的文档主题研究，并通过详尽的实验和分析将对话建模引入了新的主题感知视角。

Sep, 2023

我们研究了从闲聊到任务相关服务的对话场景，并探讨了一个统一的对话模型如何在对话模式从闲聊切换到任务导向时以一种连贯和合作的方式主动参与。我们首先构建了一个过渡信息提取器（TIE），用于跟踪先前的闲聊互动并检测用户转向任务导向服务的潜在意图。同时，在统一模型中，通过高效的适配器调优和过渡提示学习，扩展了一个过渡句子生成器（TSG）。当 TIE 成功从先前的闲聊中找到与任务相关的信息，例如过渡领域时，TSG 会在统一模型中自动被激活，通过根据 TIE 提取的过渡信息生成一个过渡句子来启动这个转换。实验结果显示出有关主动转换的良好性能。我们通过使用条件随机场（CRF）在 TIE 模型上实现了额外的大幅改进。TSG 能够灵活地生成过渡句子，同时保持常规闲聊和任务导向响应生成的统一能力。

Aug, 2023

虽然在话题对话系统方面取得了很大进展，但如何有效地在对话中处理话题转换仍然是一个持久的挑战。本研究提出了 Multi-Passage to Dialogue (MP2D) 框架，该框架通过自动生成自然话题转换的对话问答数据集来解决这个问题。通过利用知识图谱中实体之间的关系，MP2D 能够映射对话中的话题流程，有效地模拟人类对话的动态过程。它通过将与话题相关的段落转换为对话形式，将其转化为对话。通过定量和定性实验证明了 MP2D 在生成具有自然话题转换的对话方面的有效性。此外，本研究还引入了一个新的话题转换对话基准，TS-WikiDialog。通过利用该数据集，我们展示了即使是大型语言模型（LLMs）也难以有效处理对话中的话题转换，并展示了使用 MP2D 生成的数据集训练模型在不同话题转换对话任务中的性能提升。

Mar, 2024

提出了一种个性化话题选择模型 PETD，通过考虑边缘信息的相互作用，选择性地聚合这些信息以更准确地预测后续的话题，从而构建了一个富有吸引力和连贯性的对话系统。实验证明了该方法在各种评价指标上优于现有基线模型。

Jun, 2024

这篇论文提出了两个任务，包括对话生成和对话说话者识别，并构建了一个新的数据集 DialStory 以进行评估，同时提出了学习显式角色表示以提高性能，并通过实验和案例研究表明，我们的方法可生成更连贯和信息量更大的对话，并实现了比强基线更高的说话者识别准确度。

Sep, 2022

本文探讨了任务导向对话系统的最新研究进展和挑战，特别在三个关键领域进行了深入讨论：提高数据效率、模拟多回合动态以优化任务完成性能，以及将领域本体知识与对话模型集成。此外，还评估了最近的对话进展和一些常用的语料库。我们相信，这虽然不是一个完整的调查，但它仍然可以为未来任务导向对话系统的研究提供启示。

Mar, 2020