May, 2023

具有主观知识的面向任务对话建模：他人是如何想的？

PDF
TL;DR本篇论文提出了主观知识为基础的任务导向对话系统（SK-TOD）的新任务，以及配套的数据集，该数据集包含了主观知识寻求对话上下文和手动注释的响应，并探究了多个知识片段的不同观点如何汇聚的问题，以期促进 TOD 和主观内容理解的进一步研究。
task-oriented dialogue systemssubjective knowledge-based toddatasetsubjective content understandingopinion aggregation
发现论文，激发创造
  • Q-TOD: 基于查询的任务导向对话系统

    本文介绍了一种新的基于查询驱动的任务对话系统，即 Q-TOD，该系统可将对话上下文的关键信息提取为查询，进而用于检索相关的知识记录以形成响应生成，它能够显著缓解领域适应性和知识库可扩展性的问题，实验结果表明，Q-TOD 优于现有系统并在公开数据集上取得了最新的最佳表现。

    Oct, 2022

  • 当前任务导向的对话模型能否自动化野外实际情境？

    该论文讨论了针对任务的对话系统，提出了基于填槽的 TOD 系统（SF-TOD）框架的局限性，探讨了可扩展的 WebTOD 框架，后者是在 Web / 移动界面上构建对话系统的替代方向，由大规模语言模型驱动对网页 / 移动界面的理解。

    Dec, 2022

  • 知识丰富的面向任务的对话系统 (KETOD)

    在这项工作中，我们研究了如何将任务定向对话和有知识的聊天有机地整合到单个模型中，通过创建一个新的数据集 KETOD 来自然地丰富基于相关实体知识的任务定向对话。我们还提出了两个新模型，SimpleToDPlus 和 Combiner，在自动和人工评估的实验结果中表现出显著的优越性能。

    May, 2022

  • HyKnow：具备混合知识管理的端到端任务导向对话建模

    本文提出了一种混合知识管理的任务导向对话系统，并基于结构化和非结构化知识进行了优化，相比现有的任务导向对话系统具有更强的端到端性能和更高的非结构化知识检索准确性。

    May, 2021

  • TOD-DA: 从口语会话中提高任务导向对话建模的鲁棒性

    本文提出了一种新的任务定向对话数据增强方法 TOD-DA，它包括对话丰富和口语会话模拟器，可以增加大规模高质量带注释口语会话，以提高口语任务定向对话建模的鲁棒性。在 DSTC10 Track2 的两项任务中，我们的方法均排名第一，证明了 TOD-DA 的优越性和有效性。

    Dec, 2021

  • 利用合成的开放领域对话提高任务机器人的参与度

    提出了一种自动生成结合任务导向对话和开放领域对话的框架，同时介绍了一种适用于这一任务的统一模型 PivotBot，并通过评估结果证明，该模型能够在任务导向对话和开放领域对话之间无缝切换。

    Dec, 2022

  • TODSum: 带状态跟踪的任务导向对话摘要

    本文介绍了一个大型的任务导向对话摘要数据集 (TODSum)，并提出了一种基于对话状态的结构化对话摘要模型来提高生成摘要的忠实度，证明了对话结构引导的有效性，并讨论了 TODSum 的当前问题和未来的发展方向。

    Oct, 2021

  • 基于半监督学习的面向知识检索任务的对话系统

    提出一种基于检索的方法，以加强 TOD 系统中的知识选择，并结合半监督学习进行潜变量模型，该模型可以与知识检索器一起利用有标签和无标签的对话数据。实验证明，该方法在有标签和半监督设置下均优于传统的数据库查询方法。

    May, 2023

  • OPERA：协调任务导向对话和信息搜索体验

    本文提出了一种新的任务 Open-Book TOD，将任务定向对话（TOD）与问答（QA）相结合，并扩展了外部知识来源，包括显式和隐式知识源。作者还创建了一个新的数据集 OB-MultiWOZ，提出了一个统一模型 OPERA，通过访问外部知识来应对定义的任务。实验结果表明，OPERA 的性能优于闭式基线，两种类型的知识都有其价值。

    Jun, 2022

  • AnyTOD: 一款可编程的任务导向对话系统

    我们提出了 AnyTOD，这是一种端到端的，零 - shot 的任务导向对话系统，能够处理未见过的任务，而不需要特定的培训。我们采用了一种神经符号方法，其中神经语言模型跟踪对话中发生的事件，并执行符号程序以推荐应该采取的下一个操作，从而显著降低了数据注释和模型训练的要求，并展示了在任务和领域上的强大的零 - shot 迁移能力。

    Dec, 2022