Mar, 2022

Converse：基于树结构的模块化任务导向对话系统

PDF
TL;DRConverse 是一种基于任务、灵活性高的对话系统，采用模块化设计并提供强大的多任务对话管理功能，支持任务依赖和任务切换，是一种易于构建和维护的机器人建造工具，适用于专业和非专业开发人员。
artificial intelligencedialogue systemsconversetask-orientedmulti-task
发现论文，激发创造
  • Alexa Conversations: 一种可扩展的数据驱动方法用于构建面向任务的对话系统

    Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

    Apr, 2021

  • 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

  • 一种低成本、可控且具可解释性的面向任务的聊天机器人：以实际售后服务为例

    本文介绍了一个新的基于 Dialogue Action 的 Tree-structured TaskFlow 架构来构建基于任务的聊天机器人，能够自动构建任务流并有效减轻开发人员负担，实验结果证明其能够解决先前任务导向式对话系统所面临的难以建立本体、可控性和可解释性不足以及大量数据标注需求等问题。

    May, 2022

  • 从知识增强到多任务学习：走向类人对话系统

    研究人工智能中的对话代理，探索深度学习技术如何提高人工对话代理水平。

    Nov, 2022

  • 对话树搜索：一种新型的混合对话任务

    该论文介绍了一种称为对话树搜索（CTS）的任务，它桥接了 FAQ 样式信息检索和面向任务的对话之间的差距，允许领域专家定义对话树，然后将其转换为高效的对话策略，从而实现目标完成率更高且能够跳过不必要的问题。

    Mar, 2023

  • 神经对话模型

    通过序列到序列框架，一种简单的端到端的对话模型方法被提出，在特定的领域和大规模通用领域的数据集上表现出很好的对话效果，并可用于执行常识推理任务。

    Jun, 2015

  • 交替任务和非任务内容的对话系统学习

    本文提出了一种基于交替任务导向的社交对话框架，该框架使用强化学习算法训练策略，以维持长时间的会话连贯性和一致性，使系统能够在任务和非任务内容之间实现平滑的过渡。实验表明，将社交对话内容与任务对话相结合的系统比纯任务导向的系统具有更好的任务成功率和更高的用户参与度。

    Mar, 2017

  • Dialog2API：基于 API 描述和示例程序的面向任务的对话

    本研究提出了一种基于任务型对话的新模式 - Dialog2API，通过生成和执行程序来触发一组预定义 API，该模型还管理对话策略并通过生成适当的自然语言响应与用户交互，使功能和对话体验大大扩展，通过允许生成自由格式的程序，Dialog2API 支持组合目标，这篇论文构建了一个 AWS S3 APIs 数据集，并提出了一种适用于 Dialog2API 的方法，其中对话状态由程序堆栈表示，最近提到的程序在堆栈的顶部。

    Dec, 2022

  • 增加闲聊功能以增强任务导向对话

    提出了一种人工智能虚拟助手对话系统，名为 ACCENTOR，目的是将聊天型机器人和任务导向型系统相结合以实现更加 engaging 和 interative 的交谈体验，通过添加 chit-chat 的方式，将人机交互设计更为实用和有趣。研究采用全新的数据收集和生成方法来提高系统的性能，并设计了三种不同的模型进行实验，与现有任务导向型四种方法相比，实现了更具情境感和人性化的 chit-chat 响应。

    Oct, 2020

  • 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