EMNLPNov, 2023

端到端任务导向对话：任务、方法和未来发展的综述

PDF
TL;DR通过对现有方法和最新趋势的综述，本文提供了一个全面的调查，为推进 EToD 研究的发展提供了统一的视角，并构建了丰富的资源库，希望成为 EToD 研究社区的全面参考。
end-to-end task-oriented dialoguedeep neural networkssurveytaxonomyabundant resources
发现论文，激发创造
  • 面向任务的端到端对话系统的任务优化适配器

    该研究提出了一种基于 Task-Optimized Adapters 和强化学习的 End-to-end TOD 系统，能够独立学习每个任务，并在 MultiWOZ 基准测试上表现出优越的性能，特别是在 2.2 数据集上的 DST 任务达到了最先进的水平。

    May, 2023

  • Q-TOD: 基于查询的任务导向对话系统

    本文介绍了一种新的基于查询驱动的任务对话系统，即 Q-TOD，该系统可将对话上下文的关键信息提取为查询，进而用于检索相关的知识记录以形成响应生成，它能够显著缓解领域适应性和知识库可扩展性的问题，实验结果表明，Q-TOD 优于现有系统并在公开数据集上取得了最新的最佳表现。

    Oct, 2022

  • 插拔式任务导向对话系统的多任务预训练

    该研究提出了通过 PPTOD 模型和新的对话多任务预训练策略来解决任务导向对话系统中存在的级联生成问题，取得了针对几个基准 TOD 任务的最新成果。

    Sep, 2021

  • 利用合成的开放领域对话提高任务机器人的参与度

    提出了一种自动生成结合任务导向对话和开放领域对话的框架，同时介绍了一种适用于这一任务的统一模型 PivotBot，并通过评估结果证明，该模型能够在任务导向对话和开放领域对话之间无缝切换。

    Dec, 2022

  • IndoToD: 一个用于端到端任务导向对话系统的多领域印尼语基准数据集

    这篇论文介绍了一个名为 IndoToD 的端到端多领域任务导向对话系统基准，用于印尼语。作者通过将两个英语 ToD 数据集转换为印尼语，并通过去成分化来减小注解的规模，提供了一个高质量的数据集。这个基准可以用于评估印尼语和英语 ToD 系统，同时探索跨语言和双语传递学习方法的潜在益处。

    Nov, 2023

  • 情感检测与任务导向对话建模的统一方法

    我们的研究表明，融合用户情感检测和面向任务对话模型能够相互受益，并且是一种值得考虑的替代方法。我们的方法通过扩展用户情感检测到 SimpleToD，一个端到端的面向任务对话系统，来实现无缝融合，并基于单一的语言模型来做到此事。通过在 EmoWOZ 基准上使用 GPT-2 和 Llama-2 评估我们的方法，结果显示用户情感检测和任务结果的整体性能有所提高。我们的研究还表明，用户情感可以为系统响应提供有用的上下文条件，可以通过利用这些情感进一步提高响应的共情性。

    Jan, 2024

  • 知识丰富的面向任务的对话系统 (KETOD)

    在这项工作中，我们研究了如何将任务定向对话和有知识的聊天有机地整合到单个模型中，通过创建一个新的数据集 KETOD 来自然地丰富基于相关实体知识的任务定向对话。我们还提出了两个新模型，SimpleToDPlus 和 Combiner，在自动和人工评估的实验结果中表现出显著的优越性能。

    May, 2022

  • 为电子邮件对话调整任务导向的对话模型

    本文提供了一个有效的 Transfer Learning 框架（EMToD），使得最新的对话模型发展能够适用于长格式对话，通过实验证明该框架相较于预训练的语言模型性能提升 45%、预训练的任务导向对话模型性能提升 30% 用于任务导向的电子邮件对话

    Aug, 2022

  • 当前任务导向的对话模型能否自动化野外实际情境？

    该论文讨论了针对任务的对话系统，提出了基于填槽的 TOD 系统（SF-TOD）框架的局限性，探讨了可扩展的 WebTOD 框架，后者是在 Web / 移动界面上构建对话系统的替代方向，由大规模语言模型驱动对网页 / 移动界面的理解。

    Dec, 2022

  • TOD-DA: 从口语会话中提高任务导向对话建模的鲁棒性

    本文提出了一种新的任务定向对话数据增强方法 TOD-DA，它包括对话丰富和口语会话模拟器，可以增加大规模高质量带注释口语会话，以提高口语任务定向对话建模的鲁棒性。在 DSTC10 Track2 的两项任务中，我们的方法均排名第一，证明了 TOD-DA 的优越性和有效性。

    Dec, 2021