May, 2022

停止过滤：多视角属性增强式对话学习

PDF
TL;DRThis paper presents a framework that pre-trains conversation models on raw dialogues and fine-tunes with adapters instead of filtering the dataset, using a multi-view enhancement mechanism to improve dialogue attributes and achieve significant performance improvement.
dialogue corporaconversation modelsmulti-view attribute-enhanced dialogue learningpre-training modelsadapter fine-tuning
发现论文，激发创造
  • 使用对比预训练和对抗过滤的强健任务导向对话生成

    本研究探讨了数据人工制品对机器学习模型泛化能力所产生的影响，提出一种基于对比学习的框架，试图鼓励深度学习模型学习普适规律并忽略数据人工制品。研究表明该方法具有很好的实验效果。

    May, 2022

  • 与你相识：对话中用户属性提取

    本文提出了一种利用对话系统中的强提示信息自动提取用户属性的方法，通过远程监督训练两阶段属性提取器，实现了多种基线模型无法超越的效果，并探讨了已提取用户属性的个性化推荐和对话系统应用以及潜在局限性。

    Aug, 2019

  • 基于图滤波的可扩展多视图聚类

    本文提出了一种用于聚类属性和图数据的通用框架，该框架能够探索特征和结构之间的相互作用，并具有图过滤和采样策略等优势，同时在属性和图基准测试上的实验证明了其优越性。

    May, 2022

  • 读取言外之意：从对话中学习个人特质

    本研究使用深度学习方法从对话文本中提取个人属性，并在 Reddit 讨论、电影剧本、个人对话等多个语料库上比较实验，最终证明了本方法的有效性和超越了先前的状态法基线。

    Apr, 2019

  • 从可见到不可见：探索多属性可控对话生成的组合泛化能力

    本论文提出了一种基于提示的解缠控制对话生成模型，DCG，在多属性可控对话生成中拥有更好的泛化性能，并设计了一个统一的无参考评估框架。实验结果证明了该方法和评估度量的有效性。

    Jun, 2023

  • 基于启发式的内部训练，提高少样本多角度对话摘要

    本文探讨了客户服务代理与客户之间多视角摘要的创建方式，通过探索不同视角的启发式算法，创建了弱标注数据并在少量标注数据 fine-tuning 的情况下，支持生成摘要的模型在性能上接近原始数据的 94%，这一方法可以为摘要的人工创建工作减轻负担。

    Mar, 2022

  • 基于熵的数据过滤来提升神经对话模型

    采用基于熵的方法，从对话数据集中过滤通用语句，以改善聊天机器人生成开放式回复时的多样性。通过 17 种评估指标的比较，我们证明使用经过此种过滤的数据集训练对话模型可以提高对话质量。

    May, 2019

  • 通过建模、过滤和优化来提高对话的连贯性和多样性

    本文介绍了三种增强现有编码器 - 解码器模型的方法，以有效地模拟连贯性并促进输出多样性，它们在 OpenSubtitles 语料库上的实验表明，与竞争神经模型相比，在 BLEU 分数以及连贯性和多样性度量方面均有极大改善。

    Sep, 2018

  • 使用多维建模适应新动作集的对话策略调整

    使用多维方法对话管理加速训练，通过预先训练的任务无关策略来实现转移学习，从而在有限的训练数据下实现更好的性能，人工用户评估表明多维系统（针对目标情境的有限训练数据进行适应）比一维基准（在同样的训练数据上不进行适应）提高了 7％的成功率。

    Apr, 2022

  • 多模态开放领域对话

    本文旨在研究结合先进的开放域对话代理和视觉模型，以实现多模态对话的目标，研究不同的图像融合方案和域自适应预训练和微调策略，并展示了我们最好的模型不仅在多模态对话方面优于现有的强模型，而且在纯文本对话方面表现也和其前身 BlenderBot 一样好，同时我们还研究并整合了安全组件，展示这种努力不会削弱模型性能方面的吸引力度量。

    Oct, 2020