SIGIRApr, 2023

理解动态世界：面向开放领域实体状态跟踪的端到端知识驱动框架

PDF
TL;DR提出了 KIEST 框架，它采用动态知识编码器 - 解码器框架，从外部知识图中显式检索相关实体和属性，并结合约束解码策略和一致性奖励来预测实体状态的变化，实验结果表明，在 OpenPI 公共基准数据集上，KIEST 框架显著优于强基准线。
open domain entity state trackingknowledge informed frameworkautoregressive generationcoherence rewardconceptnet
发现论文，激发创造
  • 基于知识的对话状态跟踪

    本文提出了一种基于外部编码的对话状态跟踪方法，通过查询相关知识以基于对话上下文信息来预测对话状态，证明在一些场景下，我们的方法比基线表现更优秀，尤其是在少样本学习情况下。

    Oct, 2022

  • 面向知识图谱的开放领域知识提取

    通过 ODKE，我们介绍了一个可扩展的框架，用于从开放网络规模化地获取高质量的实体和事实，并分享在构建和部署行业级开放领域知识图谱时所学到的经验教训。

    Oct, 2023

  • OpenPI-C: 开放词汇状态跟踪的更好基准和更强基础线

    本篇论文旨在研究开放词汇状态跟踪，针对现有数据集和评估指标存在的问题，提出了一个新的数据集 OpenPI-C 和基于聚类的度量方法，同时也提出了一种新的模型 —— 基于 seq2seq 生成模型，在考虑时间依赖和实体识别的情况下对模型进行了优化，并在新数据集上取得了较好的效果。

    Jun, 2023

  • 一个主题感知的图神经网络模型用于知识库更新

    基于用户查询日志，构造主题感知的图网络进行知识更新，通过实体属性图训练 GNN 实体更新模型以确定实体是否需要同步，并使用最小编辑次数算法将过滤的实体与知识库中的实体进行匹配和更新。

    Aug, 2022

  • 一种具有信念跟踪的端到端可训练神经网络任务导向对话模型

    本文提出了一种新颖的端到端可训练的神经网络模型，用于处理任务导向的对话系统，该模型将对话状态、API 调用和结构化的知识库查询结果相结合，以成功完成任务导向的对话，并且能够以联合学习为基础，更好地处理对话历史，生成结构良好的系统响应。在餐厅搜索领域的实验结果表明，相比先前的端到端可训练的神经网络模型，我们提出的模型在适当的系统响应生成方面表现更为卓越。

    Aug, 2017

  • 面向任务的端到端对话的自回归实体生成

    本文提出了一种基于语义实体自回归的端到端任务导向对话系统，通过逐步生成语义实体并结合当前对话上下文，生成更高质量、一致性更强的对话回复。

    Sep, 2022

  • 连接世界：利用动态时空感知知识改进开放域对话

    提出了一种新的方法，通过使用时间空间感知的动态知识并利用服务信息来改善对话系统，构建请求并生成全球感知响应，使其行为更像人类。通过使用 DuSinc 开放领域的人类对话数据集进行自动和人类评估，发现服务信息显著提高了对话系统的一致性，信息量，事实性和参与度，相比于没有时间空间感知的动态知识的预训练模型，整体会话水平得分提高了 60.87％。

    Jun, 2022

  • 带辅助信息的深度知识追踪

    本文探讨了在知识追踪中，除了串行信息之外，题目固有的侧面关系也是有助于提高其准确性，并提出了一种新的框架 DTKS，实验证明该框架在真实教育数据方面很有效。

    Sep, 2019

  • 使用参数学习任务导向对话系统的知识库

    本文提出了一种将知识库（KB）嵌入到模型参数中的方法，从而实现无需在交互中使用 DST 或模板响应以及 KB 作为输入的端到端对话系统；实验证明，基于该方法的端到端模型在各种 KB 大小下能够实现优异的性能。

    Sep, 2020

  • 基于知识的实体预测，提升自主系统机器感知能力

    本文提出知识基础实体预测（KEP）作为一项任务，通过使用关系知识来预测可能未识别的实体，并介绍了三种潜在的解决方案，最终展示了 KEP 在两个自主系统中的适用性，推动当前技术向全面自动化迈进一步。

    Mar, 2022