Aug, 2024

通过知识图谱利用实证交换弥合对话中的信息差距

HTML
PDF
TL;DR本研究解决了对话系统中表达信息的语义不一致问题，通过构建一个新的对话语料库BridgeKG，探索大型语言模型在对话基础上的应用。研究发现这些模型能够有效分类基础行为和识别知识图谱中的信息项，提供了关于模型如何利用上下文学习进行对话基础任务的深刻见解。
发现论文，激发创造
  • 连续和部分可观察背景下的共同理解自然语言语料库

    本研究提出了一项最小化的对话任务以测试和分析对话系统在复杂场景下共同理解能力，并收集了6,760个对话的数据集，在此基础上，我们对共同理解的重要现象进行了分析，并对利用神经模型识别共同话语的常见方法进行了评估和分析，旨在为对话系统的训练、评估和分析提供基础测试平台。

    Jul, 2019

  • $G^2$: 通过地面图增强基于知识的对话

    使用Ground Graph辅助Transformer模型提取语义结构以增强知识对话系统的回答生成效果，并在资源有限情况下展示出良好的推广能力。

    Apr, 2022

  • 社交媒体语境下的对话模型建立方法

    本文介绍了一种通过模仿社交媒体上的非正式互动改善系统的原始会话能力的方法，并利用Reddit上的过滤评论数据作为seq2seq生成器的额外上下文，以提高开放域对话系统的能力。

    Jun, 2022

  • GraphWOZ: 基于对话知识图谱的对话管理

    我们提出了一种使用对话知识图谱作为对话状态核心表示的新方法，提出了一个新数据集GraphWOZ，并基于此展示了会话实体链接和响应排名的实验结果。

    Nov, 2022

  • 知识图谱增强的语言模型用于基于知识的对话生成

    提出了SURGE框架，用于生成上下文相关且基于知识图谱的对话，通过从知识图谱检索相关子图，并对其条件下的单词嵌入进行干扰以保持事实一致性并使用对比学习确保所生成的文本与检索到的子图具有高相似度，通过在OpendialKG和KOMODIS数据集上的实验验证了该框架的有效性。

    May, 2023

  • Topical-Chat：面向知识驱动的开放域对话

    使用Topical-Chat数据集，我们训练了多个最先进的编码器-解码器对话模型，并进行了自动化和人工评估，以帮助在开放领域对话人工智能方面的进一步研究。

    Aug, 2023

  • 图表与序列：基于知识对话的知识形式的实证研究

    基于对话历史和外部知识源，知识驱动型对话是在生成富有信息的回复的任务。通过全面实验和研究，我们回答了三个关键问题，包括适当知识形式的选择、知识和模型选择之间的相互影响程度，以及知识的少样本表现。通过统计证据的支持，我们提出了确定性解决方案和明智建议，为未来研究的方向和标准提供了指导。

    Dec, 2023

  • 对话基础：基础行为和基础单元的注释与分析

    此研究提供了通过使用对话中的对接行为和对接单元进行标注的两个对话语料库及其对接程度的度量，以测试当前的语言模型在对话的对接行为分类中的性能，并旨在进一步研究使与机器的对话更易理解和更可靠的资源。

    Mar, 2024

  • 走向利用大型语言模型实现对会话基础的理解

    这篇实验研究分析了信息寻求对话中大型语言模型在分类明示或隐含对话转换以及预测对接知识元素方面的能力，并揭示了大型语言模型在这两个任务中遇到的挑战，讨论了通过流程架构和知识库改进大型语言模型的对话接地理解的研究工作，在对话中处理对接知识的复杂性方面，旨在开发更加有效的对话系统。

    Jun, 2024

  • 通过知识图谱使用有据交换弥补对话中的信息差距

    本研究针对对话系统中存在的语义不一致性问题，提出了一种使用大型语言模型进行对话基础的创新方法。通过创建名为BridgeKG的新对话语料库，我们开展了一系列实验，发现大型语言模型在信息地面化任务中展现出良好的分类能力，并识别知识图谱中的信息项，从而为有效的对话系统提供了重要的见解。

    Aug, 2024