AAAIDec, 2021

TOD-DA: 从口语会话中提高任务导向对话建模的鲁棒性

PDF
TL;DR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。
task-oriented dialogue systemsdata augmentationspoken conversationsdialogue enrichmentspoken conversation simulator
发现论文，激发创造
  • TOAD: 任务导向的自动对话系统具有多样化的回应风格

    鉴于大型语言模型的最新进展，下一代虚拟助手的期望包括在各种使用场景中增强自然性和适应性。为了解决为面向任务的对话（TOD）创建高质量的注释数据的缓慢和昂贵问题，我们介绍了面向任务的自动对话（TOAD），以及其自动生成流程。TOAD 数据集模拟了真实的应用程序上下文交互，并提供了多种系统响应样式选项。我们在两个响应生成任务上对 TOAD 进行了基准测试，结果表明，对建模更冗长或没有用户表情的响应更具挑战性。

    Feb, 2024

  • 面向任务的端到端对话系统的任务优化适配器

    该研究提出了一种基于 Task-Optimized Adapters 和强化学习的 End-to-end TOD 系统，能够独立学习每个任务，并在 MultiWOZ 基准测试上表现出优越的性能，特别是在 2.2 数据集上的 DST 任务达到了最先进的水平。

    May, 2023

  • 插拔式任务导向对话系统的多任务预训练

    该研究提出了通过 PPTOD 模型和新的对话多任务预训练策略来解决任务导向对话系统中存在的级联生成问题，取得了针对几个基准 TOD 任务的最新成果。

    Sep, 2021

  • 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

  • 通过前瞻目标增强大型语言模型引发的面向任务的对话系统

    ProToD 是一种预测未来对话动作并结合目标导向奖励信号来增强对话系统的方法，通过基于目标导向的对话模拟评估方法，可以在仅使用 10% 的数据的情况下实现比以前的全监督模型更好的性能，同时提高用户满意度和效率。

    Sep, 2023

  • 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

  • 针对任务导向对话的简单语言模型

    SimpleTOD 采用单个因果语言模型解决任务导向的对话，具有先进的性能，并且可以完全利用预训练、开放领域的因果语言模型进行转移学习。它提高了对话状态跟踪的联合目标准确性，改善了在端到端设置中评估行动决策和响应生成的主要指标。

    May, 2020

  • 比较数据增强方法对于端到端任务导向型对话系统的效果

    在任务导向型对话系统中，通过数据增强方法在端到端设置下进行实证评估，证明了所有考虑的数据增强方法都是有益的，并提供了最佳方法和实践建议，同时引入了一个更具挑战性的少样本跨领域任务导向型对话系统的设置。

    Jun, 2024

  • 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

  • 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