Jun, 2023

5IDER: 统一查询重写，用于引导，意图延续，语篇失连，实体延续和修复

PDF
TL;DR本文提出了一种非自回归查询重写体系结构，可以处理多轮会话中的转向、意图携带、语言不流畅、实体携带和修复等五种任务，同时具有较高的性能优势。
发现论文，激发创造
  • 自然对话语言的交替预测

    本论文提出了一个基于端对端语音识别器的取向预测器，通过检测用户何时停顿思考或讲完话来联合优化 ASR 任务和取向预测任务，以更好地建模对话交互。测试集表明，该方法在识别包含四类语言障碍的会话句子时，具有 97% 以上的准确率和 100 毫秒的延迟。

    Aug, 2022

  • 通过查询重构扩展多领域对话状态跟踪

    本研究提出一种基于序列转换模型的对话状态跟踪和指代消解方法，并使用指针生成网络模型进行查询重构， 在跨领域场景下实验验证了该方法的有效性。

    Mar, 2019

  • 使用深度话语聚合建模多轮对话

    本文研究基于信息检索的跨度多轮对话系统以往语句的上下文建模的问题，提出将以前的话语通过一种深度聚合模型聚合成细粒度的上下文进行表示。实验结果表明，与现有的最先进的方法相比，该模型在三个多回合对话基准测试中表现更优秀。

    Jun, 2018

  • 多轮对话中的对比学习句子重写

    该论文介绍了如何使用对比学习和多任务学习相结合的方法来提高上下文建模中的缺失语句重写系统的目的。实验表明，该方法在几个公共数据集上均达到了最先进的性能。

    Mar, 2022

  • 保持问题对话式：使用结构化表示解决对话问答中的依赖性

    本文提出了一种名为 CONVSR 的新型框架，用于捕获并生成中间表示作为会话提示，以增强 QA 模型的能力以更好地解释不完整的问题，并讨论了如何利用该任务的优势设计更具吸引力和雄辩的对话代理程序。

    Apr, 2023

  • 无监督的上下文重写技术，用于开放领域对话

    采用明确的语境重写方法，基于强化学习的上下文重写网络有助于候选检索，可解释的上下文建模以及在多轮会话中使用单轮框架。

    Oct, 2019

  • 限制性监督下对话式搜索的查询解答

    本文探讨了对话式检索中多轮段落检索的关键挑战，提出了一种基于双向 Transformer 的神经查询解决模型，即 QuReTeC，该模型可用于解决当前转换查询的任务，并演示了其在 TREC CAsT 数据集上的有效性。

    May, 2020

  • 利用话语重写提高多轮对话建模

    该研究提出了一种将人类话语重写作为预处理方法，以帮助多轮对话建模。使用指针网络提出的基于 Transformer 的话语重写架构训练的话语重写器可以轻松地集成到在线聊天机器人中，并在不同领域带来一般性能的提升。

    Jun, 2019

  • 加强对话式搜索：大型语言模型辅助的信息性查询改写

    通过利用大型语言模型作为查询重写器，并结合精心设计的指令，我们定义了四个重写的关键属性，提出了基于大型语言模型的查询重写方法。我们还介绍了 LLMs 的重写能力的提炼，并采用 “先重写后编辑” 的方法来处理初始查询重写。实验结果在 QReCC 数据集上表明，信息丰富的查询重写可以显著提高检索性能，特别是在检索器稀疏的情况下。

    Oct, 2023

  • 学习检索有吸引力的后续查询

    本文提出了一种基于检索的系统和相关数据集，用于预测用户可能有的下一个问题，可以主动地帮助用户进行知识探索，引导用户进行更有意义的对话。该检索系统是在一个包含 14000 多组信息获取对话的数据集上进行训练的，该数据集包含一个有效的后继问题和一组无效候选问题。我们在 Follow-up Query Bank 数据集上训练了排名模型，并比较了监督和无监督方法的结果。结果表明，我们可以通过将有效后继问题排在更高的位置上进行检索，但进一步的知识构建可以提高排名性能。

    Feb, 2023