Oct, 2022

DRC2022 团队流程：针对口语对话中旅游目的地推荐任务的管道系统

PDF
TL;DR该研究报告介绍了一种对话系统的管道结构，其中包含四个模块，自然语言理解（NLU）模块和自然语言生成（NLG）模块基于 GPT-2 模型，而对话状态跟踪（DST）模块和策略模块则基于手工制作的规则设计。在比赛的初赛中，该系统表现有限，原因可能是由于 NLU 训练示例的低变化以及使用的策略导致推荐失败。
dialogue systemnatural language understandingnatural language generationdialogue state trackingpolicy
发现论文，激发创造
  • DRC2023 中的团队流程：在旅游代理口语对话系统中建立共识和基于文本的交替对话

    在 2023 年的对话机器人大赛（DRC2023）中，我们团队开发了一个系统，能基于用户的发言文本建立共同语境并进行更加自然的交流，并且利用共同语境生成观光景点搜索的查询，同时在等待用户理解时进行对话。

    Dec, 2023

  • DRC2023 赛事的 Irisapu 团队项目描述

    本研究论文描述的是 Irisapu 团队为 2023 年对话机器人竞赛（DRC2023）制定的对话机器人系统。我们尝试使用 OpenAI 的 GPT-3 生成灵活的对话回复句子，以预定的情景为依据，通过将对话情景划分为五个子情景并为每个子情景创建提示，实现对用户的适当回应。此外，我们还结合了我们之前关于对话故障检测的研究成果，并在竞赛中使用。尽管在初赛中我们的系统出现了错误，影响了结果，未能达到令人满意的成绩，但在 “提供信息的可靠性” 评估类别中，我们在所有团队中排名第三。

    Dec, 2023

  • 自然语言理解和对话管理的端到端联合学习

    本文介绍了一种使用深度循环神经网络及其逐步训练实现的自然语言理解和系统动作预测联合模型，在多领域人机对话中验证了该模型的性能显著优于现有模型。

    Dec, 2016

  • 适应口语对话的基于文本的对话状态追踪器

    本文描述了我们在 DSTC11 中参与的具有极大成功的模型的工程努力，该模型由三个主要模块组成：(1) 自动语音识别误差校正，(2) 基于文本的对话系统用于估计插槽和值，(3) 后处理用于恢复估计的插槽值的错误。我们的实验证明了对于口语对话语料库，使用明确的自动语音识别误差校正模块、后处理和数据增强对于调整基于文本的对话状态跟踪器至关重要。

    Aug, 2023

  • 发展交互式旅游规划：由大型语言模型驱动的对话机器人系统

    我们旨在构建一个系统，不仅利用大型语言模型的灵活对话能力，还利用其先进的规划能力，降低人类对话者的讲话负担并高效地规划行程。我们提出了一种将旅行社的复杂任务划分为多个子任务的方法，将每个子任务作为一个独立阶段进行管理，以有效地完成任务。我们的提出的系统在 2023 年对话机器人比赛的预赛中取得了一定的成功，并报告了比赛中发现的挑战。

    Dec, 2023

  • 以语言模型为少样本学习者的任务导向式对话系统

    本文探讨自然语言理解、对话状态跟踪、对话策略和自然语言生成这四个模块在少数据样本下学习的挑战，并评估了使用自然语言生成模型进行少样本迁移学习的效果和局限性，为未来研究提供了启示。

    Aug, 2020

  • 通过强化学习进行协作多智能体对话模型训练

    本文利用 DSTC2 数据为种子数据，建立了功能包括：natural language understanding 和 natural language generation 的 conversational agent，并让它们通过生成自然语言进行在线交互，进而将这个交互行为建模成一个随机协作游戏，并在实验中表现出优于 deep learning 的结果。

    Jul, 2019

  • 以任务为导向的对话系统作为自然语言生成

    本文提出了一种基于大规模预训练模型（如 GPT-2）的任务驱动对话系统纯自然语言生成任务，以简化复杂的词语替换处理，但是直接使用会遇到对话实体不一致性和预训练模型精调时的灾难性遗忘问题，因此我们设计了一种新的 GPT-Adapter-CopyNet 网络，它将轻量级 adapter 和 CopyNet 模块融入 GPT-2，以实现更好的迁移学习和对话实体生成，而且实验结果表明，我们的方法在自动和人类评估方面的性能显著优于基线模型。

    Aug, 2021

  • 基于模式的对话状态追踪挑战赛的 SPPD 系统

    本文提出了一种基于 BERT 的零 - shot 自然语言理解模型，用于实现多领域会话状态跟踪，实验结果显示该模型较基线系统具有显著改进。

    Jun, 2020

  • 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