Feb, 2023

基于 Transformer 的开放领域口语对话响应评估器

PDF
TL;DR该研究对基于多个响应生成器的开放域对话系统进行了实验，使用了多种响应排序方法比较 Athena-Heuristic 和 Athena-RR，结果显示 Athena-RR 表现最好，能够在对话中更准确地选择最佳响应。
open-domain dialogue systemsresponse selectionresponse ranking methodsathena-heuristictransformer-based response ranker
发现论文，激发创造
  • 开放域对话响应选择的系统评估

    本研究对开源聊天机器人的多种回复生成方法进行了系统评估，提出了利用手动注释筛选出的多个正向回复和负向回复，从而提高模型效果的新训练数据，并实验证明性能较之采用对抗训练数据有更显著提升。

    Aug, 2022

  • 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

  • 社交对话的神经响应排名：一种数据高效的方法

    本文提出了使用神经排序器从未标记的数据中有效地训练社交对话系统的方法，并展示了使用该方法通过优化长度作为目标的排序器在性能上优于优化用户评级的排序器，从而可简化未来社交对话代理的数据收集。

    Nov, 2018

  • 使用大规模人类反馈数据进行对话响应排名训练

    通过社交媒体反馈数据构建训练集，在 133M 个人类反馈数据上训练了基于 GPT-2 的 DialogRPT 模型，结合评分模型排名机器生成的对话回复，并通过人类评估证明其效果优于基线模型。

    Sep, 2020

  • Let's Get Personal: 个人化问题提高 Alexa Prize 中 SocialBot 的表现

    本研究致力于开发一款名为 Athena 的开放域对话系统，利用基于规则的用户模型和针对个人意见问题的具体策略进行改进，提高了系统与用户之间的亲密度，进而提升了会话的数量和质量。

    Mar, 2023

  • Athena：利用话语限制动态构建对话

    Athena 是一个用于流行话题和时事的口语对话系统，采用基于实体和主题相干性的灵活的主题不可知的对话管理方法，使用基于合同的方法，使对话系统可以从动态源获得响应，并进行了几项用户研究以更好地了解个人用户特征如何影响系统的评级。

    Nov, 2020

  • 面向任务的对话系统的上下文感知对话重新排序

    提出了一种上下文感知的对话响应重新排序系统，使用神经词嵌入模型和手工或逻辑回归模型，将响应在与当前对话上下文的匹配分数和候选人的概率分布的基础上重新排名，提高了最近提出的端到端任务导向对话系统在具有语音识别错误的实际对话中的性能。

    Nov, 2018

  • 说话者敏感性响应评估模型

    该研究提出了一种基于相邻对话的自动评估模型，利用未标注对话语料库中的说话者定义不同级别的类似上下文，使用推特对话语料库进行实验，表明与其他现有评估指标相比，该模型具有更高的人类标注得分相关性。并展示了在无需额外训练的情况下，将该模型应用于电影对话。

    Jun, 2020

  • 评估和比较开放域对话系统

    本文提出了一种全面的评估策略，与人类判断相关的几个指标是构建无目标对话系统的关键，此方法可促进对话型 AI 的自动化评估过程。

    Jan, 2018

  • Athena 2.0: 公开领域对话中的言论和用户建模

    UCSC's conversational agent, Athena 2.0, utilizes a novel knowledge-grounded discourse model for Amazon's Socialbot Grand Challenge 4, incorporating entity links, named-entity recognition, coreference resolution, and a user model for personalization.

    Aug, 2023