Oct, 2023

IntentDial: 基于意图图的多轮对话系统与推理路径可视化

PDF
TL;DR使用增强学习方法构建的基于图的多轮对话系统，通过识别意图元素和标准查询来识别用户的意图，并提供可视化组件以监测对话的推理路径，大大便于系统的进一步改进。
intent detectionmulti-turn dialogueconversational agentsgraph-based dialogue systemreinforcement learning
发现论文，激发创造
  • 目标导向对话中意图建模、策略制定和响应调整

    本文设计了一个目标导向的交互式系统，儿童可以通过诸如 “见面打招呼” 和 “Simon 说” 游戏等一系列交互活动与代理互动。研究人员探索了各种特征提取器和模型，以提高意图识别精度，并借助注意力模型等新颖的方式利用先前的用户和系统互动来进行对话适应，从有限的训练数据中引导学习的模型具有更好的性能。

    Dec, 2019

  • 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

  • 图结合的语言转换器在复杂电话呼叫中的下一步动作预测

    本文通过将图形集成到语言转换器中，改善了理解人类话语、先前和下一个动作之间关系的能力，而无需依赖外部来源或组件。实验分析表明，所提出的图形集成语言转换器模型在实际调用中可以达到比其他生产级对话式人工智能系统更高的性能。

    Apr, 2024

  • GraphDialog: 将图表知识整合到端到端任务导向对话系统中

    本文提出一种适用于任务导向型对话系统的模型，利用知识库和对话的依存关系图结构信息解决了如何有效地将外部知识库整合到学习框架中以及如何准确捕捉对话历史语义的挑战。此外，该模型采用多跳推理能力以及循环单元架构进行表示学习。实验结果表明，该模型在两个不同的任务导向型对话数据集上均优于现有模型。

    Oct, 2020

  • 面向对话系统的大规模可解释知识图谱推理

    该研究提出了一种新的方法，将知识推理能力纳入对话系统的可扩展性和通用性中，以提高用户体验。该方法使得单一转换器模型能够直接在大规模知识图谱上进行推理，以生成响应，并通过任务导向和特定领域的对话交流进行了实证研究，证明了其有效性和高效性。

    Mar, 2022

  • 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

  • 通过自动规划生成对话代理

    通过使用领域无关的 AI 规划来创建自动化的对话计划，使得具备个性化、定制化和上下文相关互动要求的更复杂多轮对话应用（如职业指导或旅行规划）得以实现。

    Feb, 2019

  • 信息搜索对话中用户意图的分析与表征

    本研究介绍了一个新的数据集，用于分析信息搜寻对话的用户意图分布、共同出现和流程模式，并利用 MSDialog 数据集发现了一些可用于设计对话式搜索系统的高频用户意图模式。

    Apr, 2018

  • TESS: 分布式自然语言理解模型的交互式多智能体系统的多目标解析器

    该研究提出了一种有效的解析和编排流水线算法，以满足多意图用户的需求，同时提供与竞争性深度学习模型相当的性能，并且速度可达到快速的 48 倍。

    Dec, 2023

  • 面向目标导向对话系统的自动意图提取和话语分类算法

    自然语言处理领域的现代机器学习技术可用于自动生成目标导向对话系统的脚本。本文提出了一个研究自动生成目标导向对话系统脚本的通用框架，并描述了一种用于预处理 JSON 格式对话数据集的方法。比较了基于 BERTopic 和潜在狄利克雷分配的两种提取用户意图的方法，并比较了基于逻辑回归和 BERT transformer 模型的两种分类用户语句的算法实现。与其他方法相比，使用 bert-base-uncased 模型的 BERT transformer 方法在精确度（0.80），F1 分数（0.78）和马修斯相关系数（0.74）等三个指标上表现更好。

    Dec, 2023