通过提示式方法从对话中多层次提取主题信息,可以有效地识别对话主题的变化与多样性,且实验结果显示该方法优于现有方法。
May, 2023
本研究介绍了一种新的话题转换感知会话基准 TIAGE,其具有检测、触发和对话生成三个任务,实验结果表明,TIAGE 中的话题转移信号对话题转移响应生成有用,但仍需要在话题转换感知对话建模方面进行进一步研究。
Sep, 2021
通过引入一种叫做对比学习的技术来解决对话总结中信息分散和主题变化的挑战,该方法使用了两个具体的辅助任务 (coherence detection 和 sub-summary generation),在基于原始对话总结任务上取得了最优性能,显著超过强基准模型。
这项研究通过动态主题跟踪任务将回复选择作为一种新的表述方法,并提出了一种支持高效编码的新型多任务学习框架,并且通过预训练模型,仅使用两次讲话来进行动态主题分离和回复选择。同时,还提出了 Topic-BERT 的关键预训练步骤来嵌入主题信息,并在 DSTC-8 Ubuntu IRC 数据集上获得了表现出色的结果。
Oct, 2020
该研究提出了一种从主题感知的角度对多轮对话进行建模,使用对话切分算法将对话段落无监督地拆分为主题集中的片段,并将这些片段作为主题感知的语言处理单元用于进一步的对话理解。通过在聚类系统中设计自训练自编码器,并构建两个构造的数据集进行评估,我们展示了拆分段落在域内主题检测和定位方面的便利性。同时,拆分段落也是多轮对话响应选择的适当元素,为此,我们提出了 Topic-Aware Dual-Attention Matching (TADAM) 网络模型,它以主题片段作为处理元素,并使用双交叉注意力匹配响应候选项。通过对三个公共基准测试的实证研究,我们发现相对于基准,该模型取得了显著的改进。该研究延续了先前的文档主题研究,并通过详尽的实验和分析将对话建模引入了新的主题感知视角。
Sep, 2023
本文提出了一种新颖的基于主题感知的无监督多轮对话建模方案,该方案通过无监督的主题感知分割算法和主题感知双交互匹配网络实现,在多个公共数据集上的实验结果表明 TADAM 可以胜过现有的最新方法,尤其是在出现明显主题转移的电子商务数据集上提高了 3.3%。
Sep, 2020
该研究论文探讨了一种融合任务导向对话系统和闲聊对话系统的多动机对话数据集,并提出一系列评估指标,以更好地展示这种方法在实践中的效果。
May, 2022
本文提出了一种名为 Topic-Driven Knowledge-Aware Transformer 的模型,包含一种话题增强语言模型、基于对话情境信息的常识语句和一种转换器,用于识别情感标签序列中的话题和情感状态。实验结果表明,该模型在对话情感检测方面表现优于现有的最先进方法。
Jun, 2021
本文提出一种名为 TARG 的基于主题的响应生成模型,改进了基于词或句子相似度来检测相关知识背景的方法,用主题信息来提高对话历史的理解,取得了知识选择和响应生成上的最新成果。
Dec, 2022
本文针对中文语料库资源匮乏和段落层面主题表示不足的限制,提出了层级段落主题结构表示方法,并构建了目前规模最大,质量最优的中文语段层级主题结构语料库。同时,本文在话语分析等多项任务上,说明了此语料库在基础、应用领域的可行性及有效性。