Jul, 2022

灵活的模式引导对话管理框架：从友好的同行到虚拟的标准癌症患者

PDF
TL;DR本文描述了一个通用的基于模式的对话管理框架，用于开发 SOPHIE，一个虚拟的标准癌症患者，以便医生方便地联系患者互动。我们进行了医学生与 SOPHIE 之间的对话众包评估，我们的代理被判定为能够产生自然、情感适当、与她作为癌症患者的角色一致的回应，并且在性能上明显优于在人类标准患者语料库上微调的端到端神经模型，这证明了基于模式的方法的优势。
schema-guided approachdialogue managementvirtual standardized patientcrowdsourced evaluationmedical domains
发现论文，激发创造
  • 实现可扩展的多领域对话代理: Schema-Guided 对话数据集

    本文介绍了 Schema-Guided Dialogue (SGD) 数据集，包括 16 个领域的 16,000 个多领域对话。SGD 数据集提供了一个具有挑战性的测试平台，可以用于测试任务包括语言理解，位置填充，对话状态跟踪和响应生成。文章也提出了一个基于模式的任务导向对话的范式，尤其是在输入中提供了一组动态的意图和插槽自然的语言描述，提高了对大量服务形态的支持和新服务的快速集成。

    Sep, 2019

  • 基于树形重述排名的更健壮的模式引导对话状态跟踪

    使用树形排序的生成模型，优化模型的语法多样性和语义忠实度，使其适用更广泛的任务。将合成的数据添加到基线模型的训练集中，可以显著提高其平均联合目标准确性和模式灵敏度。

    Mar, 2023

  • 基于快速原型设计的护士病人症状监测对话理解系统

    本文旨在通过构建人 - 人对话数据集来快速搭建一种对话理解系统，从而实现对医院对话的深度理解，更好地进行病症筛查和分流。

    Mar, 2019

  • 面向灵活对话代理的手动引导对话

    本文提出了一种新的手动引导对话方案，其中代理从对话和手册学习任务，从而降低了对领域本体的依赖，使其更灵活地适应不同的领域，相关实验表明该方案提高了对话系统的数据效率和领域可扩展性

    Aug, 2022

  • 多领域对话状态跟踪的模式图引导提示

    我们提出了一种基于图的框架，通过将对话模式编码为图神经网络来嵌入预训练语言模型，从而在特定领域上对模型进行了更好地自适应，实验证明该方法在多领域对话状态跟踪方面优于其他方法。

    Nov, 2023

  • DSTC8 中的基于模式引导的对话状态跟踪任务

    本文介绍了第 8 届对话系统技术挑战赛的 Schema-Guided 对话状态跟踪任务，其目标是开发适用于大型虚拟助手的对话状态跟踪模型，重点是跨域的数据高效联合建模和新 API 的零 - shot 推广。本任务提供了一个包含 16 个领域超过 16000 个对话的数据集，其中包括一个能够零 - shot 推广到新 API 的基线模型。本文介绍了任务定义、数据集和评估方法，并概述了提交系统的方法和结果，以突出现今最先进技术的总体趋势。

    Feb, 2020

  • 基于模式引导的零 - shot 对话范式

    通过显式地提供特定任务对话策略，提出了 Schema Attention Model (SAM) 和改进版 Schema 表示来解决零 - shot 迁移学习问题，在 Star 语料库上验证了 SAM 在零 - shot 模式下的显著改善，F1 值提高了 22 个点。

    Jun, 2021

  • 利用大型语言模型作为临床教育的模拟病人

    通过结合大型语言模型和现实临床场景，CureFun 提供了一种虚拟模拟患者教育框架，可以促进学生和模拟患者之间的自然对话，评估他们的对话并提供建议，以提升学生的临床查询技能。此外，借助 CureFun 的评估能力，我们还对几种医学大型语言模型进行了评估，并从诊断能力的角度讨论了使用大型语言模型作为虚拟医生的可能性和局限性。

    Apr, 2024

  • 即插即用医疗对话系统

    本文提出了一种基于自然语言处理的医疗对话系统 PlugMed，该系统通过提示生成和响应排名两个模块来训练 LLMs 实现合适的对话行为，在自动和手动评估中都表现出优异的效果。

    May, 2023

  • 面向目标的开放域对话

    本研究提出了一种基于关键词控制的方法，通过监督学习和话语级别的限制引导自然对话流向指定目标，我们通过创建增强的关键词对话数据集进行定量和人类评估，证明了我们的系统相对于其他方法可以产生有意义且有效的对话。

    May, 2019