ACLJun, 2023

DialoGPS: 连续语义空间中的对话路径采样，用于多轮对话中的数据增强

PDF
TL;DR本文介绍了 DialoGue Path Sampling (DialoGPS) 方法，此为第一个针对多回合对话的 many-to-many 数据增强方法，它可以将对话映射到连续的语义空间中，并通过采样潜在变量来形成连贯的对话路径，从而产生名为对话路径的新对话。
open-domain dialogue generationmany-to-many characteristicmulti-turn dialoguesdialogue path samplingcontinuous semantic space
发现论文，激发创造
  • 面向对话语言理解的序列到序列数据增强

    本研究针对面向任务对话系统中语言理解的数据增强问题，提出了基于序列到序列生成的数据增强框架来提高模型的性能，该框架利用训练数据中某个话语的同义替代品来增强数据，将多样性排名纳入话语表示中，生成多样性增加的话语，实验证明在仅有数百个话语的情况下，在 Airline Travel Information System 数据集和 Stanford Multi-turn，Multidomain Dialogue 数据集上都取得了显著的 6.38 和 10.04 分数提高。

    Jul, 2018

  • DialAug：对比学习中混合对话上下文以实现鲁棒会话建模

    本文提出了一种框架，该框架将增强版本的对话上下文纳入学习目标，并利用对比学习作为辅助目标，学习鲁棒的上下文表示，以应对推断期间出现的自然扰动。实验证明，该框架与现有的增强方法相结合，可以显著改善基于 BERT 的排名体系结构，并提供更具鲁棒性的对话表示。此外，我们提出了一种新的数据增强方法 ConMix，该方法通过从批处理中的其他上下文中随机混合 token，为对话添加 token 级扰动，优于以前的数据增强方法。

    Apr, 2022

  • 面向任务导向对话系统的语境数据增强

    我们开发了一种新型的对话扩充模型，通过完整的对话上下文生成用户的回合，并通过语言模型的新提示设计和输出重新排序，所生成对话可直接用于训练下游对话系统，在常见的基准数据集 MultiWoZ 和 SGD 上，展示了我们的对话扩充模型生成高质量对话并使对话成功率较基准线提高多达 8%。

    Oct, 2023

  • 语言模型作为标注工具：探索使用 DialoGPT 进行对话摘要

    本文介绍如何利用 DialoGPT 提供未标注的语料，作为无监督对话注释器，来对两个对话概括数据集 SAMSum 和 AMI 进行标注，使用 DialoGPT 进行标注取得了很显著的成果，并在 SAMSum 数据集上取得了新的最先进水平。

    May, 2021

  • 学习语义图上的推理路径，为基于视频的对话建立基础

    使用 PDC 模型通过语义图的构建和路径预测，依据对话上下文进行推理，从而在多轮视频对话中检索视觉线索并有效回答问题。

    Mar, 2021

  • 基于知识驱动的渐进思维引导的多轮心理对话数据增强

    我们提出了一种基于知识驱动的渐进性思维引导方法来生成多轮心理对话，该方法整合了渐进式思维生成器、心理知识生成器和多轮对话生成器，验证了在心理对话领域提升性能的有效性。

    Jun, 2024

  • 基于视角转换的反事实数据增强方法在开放域对话中的应用

    本文提出了一种数据增强方法以及筛选技术来增加开放域对话系统数据集中不同语义的高质量回复，通过对事实的推理来推断出具有不同语义的回复，并过滤掉有害的增强回复，实验结果表明，该方法可以在多个下游任务中胜过竞争基线。

    Oct, 2022

  • 利用对比学习进行带门限的多模态融合，以预测人机对话中的轮流发言

    本研究采集了一组大规模的多模式对话语料库，并设计了一种新的门控多模式融合机制来利用各种信息进行转换预测。为了解决数据不平衡问题，我们设计了一种简单且有效的数据增强方法，通过对比学习得到更好的特征表示。实验证明，我们的模型在多个方面表现优异，比几种最先进的基准方法更为竞争力。

    Apr, 2022

  • 利用常识和数据增强的目标导向对话响应生成

    本文介绍了一种新的针对目标引导的响应生成技术，它使用共识知识概念的桥接路径作为中间步骤，实现对话系统转向目标句子的平滑过渡，用以创造非侵入式的建议或引入对话新话题，并说明了一种更可靠的评估指标，推进对话系统设计者对对话控制的更加有效实施。

    May, 2022

  • 使用多尺度 RNN 进行多模态连续交替预测

    提出了一种多尺度 RNN 架构，用于在不同的时间尺度上模拟交谈中多个模态的特征，模拟语言和声音特征在不同的时间尺度上对于对话期间的特性建模是有益的，同时我们的方法还能够将凝视特征纳入到对话模型中。

    Aug, 2018