EMNLPOct, 2023

基于目标的个性化主动对话系统：问题表述与数据集策划

PDF
TL;DR通过使用角色扮演方法构建自动数据集策划框架，我们提出了一个大规模的个性化目标导向对话数据集，TopDial，该数据集包含约 18K 个多轮对话，实验结果表明该数据集具有高质量，可用于探索个性化目标导向对话。
target-oriented dialogue systemsconversational aipersonalized target-oriented dialoguedataset curation frameworktopdial
发现论文，激发创造
  • 面向目标的主动对话生成的目标受限双向规划

    以决策理论为灵感，提出了一种新颖的目标约束双向规划方法 (TRIP)，通过生成任务规划一个适当的对话路径，然后采用该路径指导对话生成的过程，实验证明该方法显著优于各种基线模型。

    Mar, 2024

  • 面向目标的开放域对话

    本研究提出了一种基于关键词控制的方法，通过监督学习和话语级别的限制引导自然对话流向指定目标，我们通过创建增强的关键词对话数据集进行定量和人类评估，证明了我们的系统相对于其他方法可以产生有意义且有效的对话。

    May, 2019

  • 目标导向对话中的个性化

    本文提出了一种基于个人资料的目标导向对话数据集，结合修改内在神经系统结构、使用多任务学习的方法，将个性化应用于对话系统。

    Jun, 2017

  • 主动对话系统调查：问题、方法和前景

    本综述论文提供有关积极对话系统的综述，包括设计和挑战等方面，以及对话类型和实际应用的相关信息。

    May, 2023

  • 面向目标的对话系统规划

    本文提出了一种使用规划技术处理说明性对话代理的方法，从模型征集到生成的计划的执行，涵盖过程的所有方面，同时介绍了一种全新的计划编码方法、多种规划接口和一个强健的执行者。

    Oct, 2019

  • 面向任务型对话系统的最新进展和挑战

    本文探讨了任务导向对话系统的最新研究进展和挑战，特别在三个关键领域进行了深入讨论：提高数据效率、模拟多回合动态以优化任务完成性能，以及将领域本体知识与对话模型集成。此外，还评估了最近的对话进展和一些常用的语料库。我们相信，这虽然不是一个完整的调查，但它仍然可以为未来任务导向对话系统的研究提供启示。

    Mar, 2020

  • 个性化对话生成的最新趋势：数据集、方法和评估综述

    通过个性化，在对话代理中提高用户参与度已经变得很重要，尤其是随着大规模语言模型的出现，能够生成流畅的回应。本文系统地调查了个性化对话生成的最新研究现状，包括使用的数据集、开发的方法论和应用的评价指标。涵盖了 22 个数据集，我们重点介绍了基准数据集和富有附加特征的新数据集。我们进一步分析了 2021-2023 年间顶级会议的 17 项重要工作，并确定了五种不同类型的问题。我们还透露了大规模语言模型在个性化对话生成方面的最新进展。我们的评估部分提供了这些工作中使用的全面评估维度和指标的综合总结。最后，我们讨论了当前面临的挑战，并展望了个性化对话生成领域未来研究的发展方向。

    May, 2024

  • 基于网络的端到端可训练任务导向式对话系统

    本文介绍一种基于神经网络的端到端可训练的目标导向对话系统，以及一种新的数据收集方法，该方法基于一种新型的管道式 Wizard-of-Oz 框架。该方法可用于开发对话系统，帮助用户在餐厅搜索领域自然地交流并完成任务。

    Apr, 2016

  • 跟随我：面向目标驱动推荐对话系统的会话规划

    本文介绍了目标驱动的对话推荐系统，引入了 Target-driven Conversation Planning (TCP) 框架来规划对话，通过计划的内容来指导对话生成，试验结果表明我们的对话规划显著提高了目标驱动的推荐对话系统的性能。

    Aug, 2022

  • Alexa Conversations: 一种可扩展的数据驱动方法用于构建面向任务的对话系统

    Alexa Conversations 是一种新的目标导向对话系统构建方法，它使用基于对 API 和实体的规格的对话模拟器来生成对话，提供了对自然对话现象的支持，并通过减轻开发人员的负担来降低了对话系统的创建成本。

    Apr, 2021