Apr, 2023

基于文档支持的任务型对话系统：HLTPR@RWTH 在 DSTC9 和 DSTC10 上的研究

PDF
TL;DR本文总结了我们在第 9 和 10 个对话系统技术挑战赛（DSTC9 和 DSTC10）的文档驱动对话任务中的贡献，包括知识选择，数据增强，响应生成和评估指标等领域。
document-grounded dialogknowledge selectiondata augmentationresponse generationevaluation metrics
发现论文，激发创造
  • 使用数据增强和噪声通道模型将基于文档的对话系统适应为口语对话

    本文介绍了我们在第十届对话系统技术挑战赛第二轨知识引导的任务导向对话建模中的提交内容。在适应 ASR 转录的噪声方面探索不同的方法来使得模型更加健壮，并采用噪声通道模型来适应口语交流的风格。我们的最佳系统在挑战的自动和人工评估中分别排名第一和第三。

    Dec, 2021

  • DSTC9 的第九届对话系统技术挑战赛综述

    介绍了第九届 Dialog System Technology Challenge (DSTC-9)，重点介绍使用端到端对话技术的四项任务，包括 1. 带有非结构化知识访问的任务导向型对话建模，2. 多领域任务导向型对话，3. 对话的交互式评估，以及 4. 位置交互式多模对话。讨论了每个任务的任务定义、基线和评估设置，总结了提交系统的结果，以突出该领域技术的最新趋势。

    Nov, 2020

  • 面向任务的对话中基于非结构化知识的高效检索增强生成

    本文总结了我们在第九届对话系统技术挑战赛（DSTC 9）第一轨中的工作，我们提出了一种基于层次分类和序列嵌入的检索和生成方法，以实现针对任务导向对话中利用非结构化文本信息的回答生成。

    Feb, 2021

  • 微信 AI 和 ICT 提交 DSTC9 交互对话评估赛道

    本论文介绍并参加了 DSTC9 互动式对话评估赛中的子任务一和子任务二，提出了预训练语言模型用于生成与特定话题相关的回复，并提出了回复集合方法，同时提出了用于捕获与人类互动中对话流程的对话策划模型，设计了一种集成的开放域对话系统，具有流畅，连贯，连贯和人类特征的响应，并在子任务一中获得了第一名的人类评分和最高的 Meteor 和 Bert 分数，在子任务二中排名第三。

    Jan, 2021

  • DSTC9 中基于任务的对话建模与非结构化知识访问跟踪的超越领域 API

    任务驱动的对话系统使用外部非结构化知识源来扩展任务领域 API 的覆盖范围，三个任务包括知识寻找、选择和响应生成，并用集成方法和大规模预训练语言模型取得了高性能。

    Jan, 2021

  • 对话系统技术挑战赛 7

    本文介绍了第七届对话系统技术挑战赛（DSTC）的概况和研究成果，包括不同追踪和数据集的详细描述。该比赛聚焦于建立端到端的对话系统，并于句子选择、句子生成和音视频场景感知对话等方面展开研究。参赛者使用最先进的技术取得了显著的成果。

    Jan, 2019

  • 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

  • 在基于知识的任务导向对话系统中采用加权负采样进行外部知识选择

    本文旨在构建一个具有鲁棒性的口语对话系统，通过引入未结构化的外部知识和采用数据构建、加权负采样、后训练以及风格转换等四种高级方法，完成了 DSTC10-Track2-Task2 的任务，实验表明我们的模型在客观评估中排名第 7，人工评估中排名第 6。

    Sep, 2022

  • DSTC9 中的对话跟踪交互式评估

    该论文介绍了针对开放领域对话系统的交互式评估方法，为开发基于知识的响应生成模型，探索将其扩展到与真实用户的交互中提供挑战，从而介绍了从静态语料库到交互式评估的进展，以及如何最好评估开放领域对话模型的见解。

    Jul, 2022

  • 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