ICLRSep, 2022

一种用于多样化对话生成的等尺寸 Hard EM 算法

PDF
TL;DR本文提出了一种 Equal-size Hard Expectation--Maximization 有算法，用于在多个解码器模型中生成多样性会话响应，理论分析和实验结果表明该算法能够生成高质量的多样化响应。
open-domain dialogue systemsdiverse dialogue generationmulti-decoder modelequal-size hard expectation--maximization algorithmlarge-scale open-domain dialogue datasets
发现论文，激发创造
  • 多方对话应答生成的 EM 预训练

    此篇论文提出了一种基于 EM（期望最大化）算法的方法，用于优化多方对话应答生成模型，解决多方对话数据中缺乏标注指定对话对象的标签的问题。

    May, 2023

  • EmpDG：多分辨率交互式共情对话生成

    提出多分辨率对抗生成模型 EmpDG，应对情感对话生成的挑战，结合对话层级与细粒度的用户情感， 通过交互式对抗学习框架获取用户反馈， 在内容质量和情感准确性上显著优于现有基准。

    Nov, 2019

  • 从有偏倾向的训练数据中学习生成公平对话文本

    This paper explores equitable text generation in dialogue systems using theories of computational learning, providing formal definitions of equity in text generation and proving formal connections between learning human-likeness and learning equity.

    Jul, 2023

  • 生成、评估和选择：具有响应评估器的对话系统，用于多样性感知响应生成

    本文提出了一种生成评估模型，评估由响应生成器生成的多个响应并由评估器选择最佳响应，以克服当前对话系统响应缺乏多样性的问题，并提高对话系统与用户的互动效果。人类评估结果表明，该模型的响应通常被认为比基线系统的响应更好，并且表明该方法的有效性。

    Jun, 2022

  • 使用生成式分层神经网络模型搭建端到端对话系统

    使用生成模型在大型对话语料库上构建开放域对话系统的任务得到了研究，这里我们扩展了分层递归编码器 - 解码器神经网络到对话领域，并证明了该模型与最先进的神经语言模型和后退 n-gram 模型有竞争力，我们进一步探讨了该方法及类似方法的局限性，再展示了如何通过从更大的问答匹配语料库和预训练的词嵌入中引导学习以提高其性能。

    Jul, 2015

  • 利用自动会话评估器实现连贯和引人入胜的口语对话响应生成

    本研究提出一个评估聊天机器人响应的系统，利用明确的反馈机制改进神经响应图生成模型，从而获得更具连续性和参与度的响应。

    Apr, 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

  • 一种表示对话系统和通过动态随机状态演化基于熵的对话管理的概率框架

    本文提出了一个概率框架，用于目标驱动的口语对话系统，并定义了新的动态随机状态（DS-state）来描述不同阶段对话状态的目标集。同时，提出一种熵最小化对话管理（EMDM）策略，结合 DS-states 以实现在达到用户目标方面的强健且高效的解决方案。测试表明，在 Si-On-Demand 任务中，提议的 DS-states 与 EMDM 策略在实现功能方面的表现明显优于其他方法。

    Apr, 2015

  • 封闭领域对话响应生成的实用方法

    本文提出了一种采用双编码器网络进行弱监督训练的原型对话响应生成模型，从过去的代理回答中提取嵌入导出的答案模板，选择最佳模板生成对客户咨询的回答。在像客户服务这样的封闭领域中，所选模板可以涵盖过去咨询的 70％以上。此外，模型选择的模板的相关性显著优于标准 tf-idf 基线选择的模板。

    Mar, 2017

  • InferEM：推断说话人的意图用于共情对话生成

    提出了一种名为 InferEM 的新型情感回应生成模型，其中通过利用多头注意力机制实现意图融合，并设计了一个多任务学习策略来平衡预测和响应生成的优化速率，通过实验表明 InferEM 可以有效地改进情感表达。

    Dec, 2022