May, 2023

DKAF: 基于知识库仲裁的任务导向对话系统学习中解决对话 - 知识库不一致性问题

PDF
TL;DR该研究提出了一种使用对话 - KB 仲裁框架来学习具有对话 - KB 不一致的 TOD 代理的方法，该框架通过预测每个训练对话的最新的 KB 快照来减少对话 - KB 不一致，我们证明 TOD 代理训练的效果比现有基线模型更好。
发现论文，激发创造
  • 任务驱动对话中基础知识查询的无监督学习

    本文提出了如何在没有知识库查询注释的情况下，使用强化学习和管道方法来训练任务导向型对话系统，并解决了相关问题，并通过分析强化学习算法的相关性和差异，突出了训练任务导向型对话系统的挑战。

    Apr, 2020

  • 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

  • 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

  • 具有主观知识的面向任务对话建模：他人是如何想的？

    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。

    May, 2023

  • 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

  • 端到端任务导向对话系统中基于约束知识库的蒸馏

    论文利用基于余弦相似度的滤波技术以及辅助损失函数构建了一个新的关于任务导向型对话系统和知识库之间的信息筛选模型，并提出了一个解决现有实体 F1 指标正确性问题的新指标 multiset entity F1。实验结果表明该模型比现有的最先进模型表现更好。

    Sep, 2021

  • 面向任务导向对话系统的半监督知识驱动预训练

    本文介绍了我们的 Track 2 模型，利用大规模真实世界的 MobileCS 中国 TOD 数据集，使用半监督学习和强化学习构建知识引导的对话模型，实现了任务导向对话系统的高效预测和人机交互。我们的系统在自动评估和人工交互中表现都极佳，尤其是 BLEU (+7.64) 和 Success (+13.6%) 方面比第二名更优秀。

    Oct, 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

  • 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