BlendX:复杂多意图检测的混合模式
本文介绍了把目标导向式对话任务(TOD)系统和非目标导向闲聊式对话系统(ODD)结合起来的难题,并基于流行的 TOD 数据集 MultiWOZ 构建一个包含两种对话模式交替的新数据集 FusedChat,提供一种更具挑战性的基准测试,以测试对话模型在处理交叉模式上的表现。该数据集具有丰富的依赖模式,包括共示和省略,并提供了分类和融合等基线模型。
Sep, 2021
本研究旨在评估多语言语境下各种向量表示和模型的组合,找到最适合的方案以实现 Code Mix 话语意图识别。研究结果在 Code Mix 和英汉混合语数据集上得到了验证。
Dec, 2018
本论文探讨了元学习在传递相关任务的知识方面的研究方向,发现在低任务多样性下,最先进的数据增强方法会恶化过拟合问题;为此,提出了一种称为 TaskMix 的简单方法以缓解过拟合问题和改善性能。
Sep, 2022
本论文提出了一种基于聚类的框架 --MNID(多新意图检测),用于检测多个新出现的新意图,在人力预算有限的情况下更高效地重训练基础分类器,实验结果表明 MNID 在准确性和 F1 分数上优于基线方法。
May, 2022
本文提出了一种用于多语言和跨语言口语数据意图检测的系统性研究,对该研究所介绍的一个新资源(MInDS-14)进行了利用,证明使用机器翻译模型和最先进的多语言句子编码器相结合能够在大多数 MInDS-14 所涵盖的目标语言中产生强大的意图检测器,并提供了针对不同维度(如零 - shot 学习与有限 - shot 学习、翻译方向、语音识别的影响)的比较分析。我们认为这项工作是在比以往的工作更广泛的语言范围内开发和评估多语意图检测器的重要一步。
Apr, 2021
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
本文介绍了 SalesBot 2.0,通过使用大型语言模型的常识知识逐渐缩小闲聊和面向任务的对话之间的差距,构建了一个新的大规模数据集,提供了更加平滑的话题转换和更加接近人类自然性和一致性的对话,对学术研究和商业应用都具有重要价值,并提出了一种框架可以用于生成具有各种目标意图的对话。
Aug, 2023
该研究论文探讨了一种融合任务导向对话系统和闲聊对话系统的多动机对话数据集,并提出一系列评估指标,以更好地展示这种方法在实践中的效果。
May, 2022
使用对比学习策略和修改的吸附法模型,IntenDD 方法通过共享的话语编码骨干来实现任务导向的对话系统中对意图的识别,并在多个任务中实现了显著的性能提升。
Oct, 2023