EMNLPDec, 2023

不完整话语重写的多粒度信息交互框架

PDF
TL;DR通过多任务信息交互框架，包括上下文选择、编辑矩阵构建和相关性合并，捕捉语义信息的多粒度特点，从而超越同领域现有最先进模型，在两个基准数据集 Restoration-200K 和 CANAND 上表现出色。
incomplete utterance rewritingcontext selectionedit matrix constructionrelevance mergingbenchmark datasets
发现论文，激发创造
  • 自注意力用于不完整话语改写

    本文提出了一种新的方法，通过直接从 transformer 模型的自注意力权重矩阵提取 coreference 和 omission 关系，并相应地编辑原始文本，从而生成完整的话语，从而实现自然语言处理中的不完整话语改写任务。

    Feb, 2022

  • 多轮对话中的对比学习句子重写

    该论文介绍了如何使用对比学习和多任务学习相结合的方法来提高上下文建模中的缺失语句重写系统的目的。实验表明，该方法在几个公共数据集上均达到了最先进的性能。

    Mar, 2022

  • 基于语义分割的未完整话语改写

    本研究提出一种将不完整话语改写问题表述成语义分割问题，通过预测单词级别的编辑矩阵来引入编辑操作，能够捕捉到局部和全局信息，取得了多个公共数据集上的最新成果。此外，我们的方法在推理中比标准方法快四倍。

    Sep, 2020

  • 基于串行贪心标记的不完整话语重写

    本研究提出了一种基于序列标注的模型，同时引入了说话者感知嵌入技术，以更好地从对话上下文中提取信息，实验结果表明该模型在所有九个还原分数方面都取得了最佳结果，另外，由于模型的简单性，我们的方法在推理速度上优于以前的大多数模型。

    Jul, 2023

  • 不完整语句的线索挖掘：基于查询增强网络的不完整语句重写

    提出了一个名为 QUEry-Enhanced Network（QUEEN）的模型，它使用查询模板和编辑操作评分网络来解决不完整话语重写的问题，实现了几个公共数据集上最先进的性能。

    Jul, 2023

  • 联合学习 Token 抽取和文本生成来增强不完整话语恢复

    本文介绍了一种针对不完整语音恢复的模型，名为 JET（联合学习令牌提取和文本生成）。我们设计了一种简单但有效的模型，可同时适用于提取或抽象数据集的情况。通过使用 Picker 来识别省略的 token，我们构建一个模型模拟 IUR 的本质，其中上下文中省略的 token 有助于恢复。我们设计了两种标签创建方法（软标签和硬标签），以支持 Picker。通过建模和训练，本文得出在四个基准数据集上的不错结果，表明相比于预训练的 T5 和非生成语言模型方法，在富数据或有限数据训练环境下，我们的模型表现更佳。

    Apr, 2022

  • 无监督的上下文重写技术，用于开放领域对话

    采用明确的语境重写方法，基于强化学习的上下文重写网络有助于候选检索，可解释的上下文建模以及在多轮会话中使用单轮框架。

    Oct, 2019

  • 多阶段对话式篇章检索：融合术语重要性估计和神经查询重写的方法

    论文提出两种对话查询重构方法：基于词频的重构和使用预训练序列到序列模型生成人类可理解的自然查询。两种方法的优点、缺点和不同行为进行了详细的定量和定性分析，并提出将它们的输出与相互排名融合结合使用，从而实现了最先进的检索效果，NDCG@3 相对于 TREC CAsT 2019 的最佳提交有 30％ 的提高。

    May, 2020

  • UniRQR: 一个统一的模型用于互联网基础知识对话系统中的检索决策、查询和回复生成

    知识对话系统与互联网检索近年来吸引了研究人员的广泛关注。通过使用统一的模型实现检索决策、查询生成和回复生成的三个任务，我们的工作不仅解决了使用外部知识的必要性问题，还节约了多模型部署的复杂性和成本。在 Wizint 和 Dusinc 数据集上的实验证明了我们的统一模型在各个任务上的卓越性能，以及与针对每个任务单独部署的 SOTA 系统相比具有可比性的结果。

    Jan, 2024

  • 5IDER: 统一查询重写，用于引导，意图延续，语篇失连，实体延续和修复

    本文提出了一种非自回归查询重写体系结构，可以处理多轮会话中的转向、意图携带、语言不流畅、实体携带和修复等五种任务，同时具有较高的性能优势。

    Jun, 2023