EMNLPSep, 2021

不和任何事物相矛盾！CI-ToD：面向任务型对话系统的一致性基准评估

PDF
TL;DR本文介绍了 CI-ToD 数据集，并提供了单标记和细粒度标记两种方法并进行数据注释以解决任务导向对话系统中的一致性预测问题，实验结果表明目前最先进的方法只能达到 51.3%，存在改进的空间。
发现论文，激发创造
  • 具有主观知识的面向任务对话建模：他人是如何想的？

    本篇论文提出了主观知识为基础的任务导向对话系统（SK-TOD）的新任务，以及配套的数据集，该数据集包含了主观知识寻求对话上下文和手动注释的响应，并探究了多个知识片段的不同观点如何汇聚的问题，以期促进 TOD 和主观内容理解的进一步研究。

    May, 2023

  • 知识丰富的面向任务的对话系统 (KETOD)

    在这项工作中，我们研究了如何将任务定向对话和有知识的聊天有机地整合到单个模型中，通过创建一个新的数据集 KETOD 来自然地丰富基于相关实体知识的任务定向对话。我们还提出了两个新模型，SimpleToDPlus 和 Combiner，在自动和人工评估的实验结果中表现出显著的优越性能。

    May, 2022

  • Q-TOD: 基于查询的任务导向对话系统

    本文介绍了一种新的基于查询驱动的任务对话系统，即 Q-TOD，该系统可将对话上下文的关键信息提取为查询，进而用于检索相关的知识记录以形成响应生成，它能够显著缓解领域适应性和知识库可扩展性的问题，实验结果表明，Q-TOD 优于现有系统并在公开数据集上取得了最新的最佳表现。

    Oct, 2022

  • TOD-DA: 从口语会话中提高任务导向对话建模的鲁棒性

    本文提出了一种新的任务定向对话数据增强方法 TOD-DA，它包括对话丰富和口语会话模拟器，可以增加大规模高质量带注释口语会话，以提高口语任务定向对话建模的鲁棒性。在 DSTC10 Track2 的两项任务中，我们的方法均排名第一，证明了 TOD-DA 的优越性和有效性。

    Dec, 2021

  • IndoToD: 一个用于端到端任务导向对话系统的多领域印尼语基准数据集

    这篇论文介绍了一个名为 IndoToD 的端到端多领域任务导向对话系统基准，用于印尼语。作者通过将两个英语 ToD 数据集转换为印尼语，并通过去成分化来减小注解的规模，提供了一个高质量的数据集。这个基准可以用于评估印尼语和英语 ToD 系统，同时探索跨语言和双语传递学习方法的潜在益处。

    Nov, 2023

  • 利用合成的开放领域对话提高任务机器人的参与度

    提出了一种自动生成结合任务导向对话和开放领域对话的框架，同时介绍了一种适用于这一任务的统一模型 PivotBot，并通过评估结果证明，该模型能够在任务导向对话和开放领域对话之间无缝切换。

    Dec, 2022

  • BiToD: 用于任务导向对话模型的双语多领域数据集

    BiToD 是第一个用于多语言任务导向对话建模的双语多域数据集，并为评估双语 ToD 系统和跨语言转移学习方法提供了有效的基准。

    Jun, 2021

  • TODSum: 带状态跟踪的任务导向对话摘要

    本文介绍了一个大型的任务导向对话摘要数据集 (TODSum)，并提出了一种基于对话状态的结构化对话摘要模型来提高生成摘要的忠实度，证明了对话结构引导的有效性，并讨论了 TODSum 的当前问题和未来的发展方向。

    Oct, 2021

  • CDConv：中文对话矛盾检测基准

    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

  • 通过互动评估揭示任务导向对话中用户熟悉度偏见

    通过交互用户研究，比较了符合系统边界的具体目标说明和不支持但更真实的目标说明两种用户情境下，任务导向型对话系统的漏洞和错误，发现了一种新的机器行为 —— 伪装，在强调透明度和回退策略的同时呼吁建立稳健的任务导向型对话系统。

    May, 2023