Jul, 2023

客户支持对话中无监督意图归纳的完全框架

PDF
TL;DR我们提出了一个完全无监督的对话意图识别框架，旨在通过研究最常见的对话序列来提取意图流，并且在处理对话语料库时进行预处理以提高结果。此框架不需要先验知识，适用于任何可能的用例，非常适用于各行业的实际客户支持应用。
intent inductionunsupervised frameworkdialogue corporadialogue flowscustomer support applications
发现论文，激发创造
  • 半监督学习与粗细意图检测探索客户服务对话系统

    本研究基于师生范式构建了一个弱监督数据集，整合粗细分类策略实现用户意图检测，实验表明，基于此方法的模块化对话系统能够以更高的成功率实现任务目标并生成更连贯的响应。

    Dec, 2022

  • 从过去的对话中挖掘意图信息以供会话代理使用

    本文提出了意图发现框架，通过自动聚类类似用户话语并手动注释，再通过对未被聚类映射的话语标记意图标签和标记传播，从原始对话中生成意图训练数据，以有效地解决在聊天机器人开发过程中遇到的用户话语分类问题，并验证了该框架的有效性。

    May, 2020

  • 从任务导向对话中无监督地发现流程

    我们提出了一种从对话历史中无监督地发现对话流的方法，从而使该过程适用于任何提供这样历史的领域。通过将话语表示为向量空间并根据语义相似性进行聚类，然后使用这些聚类作为转换图的顶点来可视化对话流。我们通过在 MultiWOZ 上进行实验，发现了具有显著意义和相关性的对话流，并引入了一个自动验证度量标准进行评估。实验结果表明，这种提取任务导向对话中有意义流的方法具有潜力。

    May, 2024

  • 基于对话的意图识别：DSTC 11 面向任务导向对话任务的研究

    本文提出一个针对客户服务交互的自动感知意图的基准测试，探讨了虚拟助手、bot 架构设计、意图识别、客户服务交互和评估方法方面的研究成果，并在挑战中收到了来自 34 个团队的提交和结果。

    Apr, 2023

  • 无监督任务型对话中槽位模式识别

    提出了一种无监督的方法来从未标注的对话语料库中识别 slot schema，通过在特定领域的语言模型和无监督的解析结构的帮助下提取候选槽位，并通过从粗到细的聚类来诱导槽类型，显示了该方法在 MultiWoz 和 SGD 数据集上诱导槽模式的显着性能改进，并证明了诱导槽模式对于对话状态跟踪和响应生成的有效性。

    May, 2022

  • 基于多阶段粗 - 细对比学习的对话意图识别

    本文提出了一个多阶段的粗到细对比学习模型训练方案，用于联合对比学习和聚类在任务导向的对话中识别意图，该方法在 DSTC11 跟踪 2 评估结果中排名第一。

    Mar, 2023

  • 面向任务建模的对话状态跟踪的半监督引导

    本文研究了利用半监督学习方法在构建神经对话系统时可以减少中间标签的数量，发现可以利用未注释数据来显著减少对话状态的转换级别注释，同时在 MultiWOZ 语料库上进行了分析并提出了第一个端到端的对话模型。

    Nov, 2019

  • 针对任务导向对话的意图归纳相关话语嵌入和聚类方法分析

    本文探讨了无监督方法来克服任务导向对话结构设计的基本挑战：为每个对话轮分配意图标签（意图聚类）和生成一组基于意图聚类方法的意图（意图归纳），并且通过比较不同的 clustering 算法和嵌入方法，表明对于意图归纳任务，应当仔细考虑句子嵌入和聚类方法的组合选择，同时 MiniLM 和聚合聚类结构在意图归纳任务中显示出显著的性能提升。

    Dec, 2022

  • 任务导向对话系统中未被识别的用户话语的洞察

    本研究提出了一种用于处理商业任务导向型对话系统中未识别用户语句的端到端管道，包括特定定制聚类算法、新颖的聚类代表提取方法和聚类命名。通过评估这些组件，证明了它们在分析未识别用户请求方面的益处。

    Apr, 2022

  • 半监督多目标学习方法用于客户联系意图分类

    运用域和任务自适应预训练模型 ALBERT 在顾客联系文本上，通过利用未标注数据、进行半监督学习，将多分类问题解决为多任务学习，从而提高了客服意图分类模型的性能。

    Jun, 2021