- ACL口语对话理解的语音 - 文本对话预训练与显式跨模态对齐
本文提出了第一种语音 - 文本对话预训练模型 SPECTRA,在输入上进行了一些优化,如引入时间信息,增加上下文理解能力,并通过实验进行了充分验证,展示了 SPECTRA 模型在语音 - 文本对话中学习言语 - 文本对齐和多轮对话上下文的能 - 基于 Transformer 的开放领域口语对话响应评估器
该研究对基于多个响应生成器的开放域对话系统进行了实验,使用了多种响应排序方法比较 Athena-Heuristic 和 Athena-RR,结果显示 Athena-RR 表现最好,能够在对话中更准确地选择最佳响应。
- EMNLPDialogConv:一种用于多视角响应选择的轻量级全卷积网络
本文提出了一种轻量级的完全卷积体系结构 DialogConv,在卷积操作的基础上,对上下文和回应进行匹配,以从多个上下文视角捕获更丰富的语义信息,与现有模型相比,DialogConv 大小平均缩小 8.5 倍,CPU 和 GPU 设备上分别 - 面向任务导向对话的端到端检索生成
介绍了 AARGH,一个综合了检索和生成方法的端到端任务导向对话系统,旨在改善对话管理和输出的词汇多样性。在 MultiWOZ 数据集上,我们展示了该方法相对于最先进的基线方法可以产生更多样化的输出,同时维持或提高状态跟踪和上下文 - 响应 - 以响应选择为辅助任务的高效任务导向型对话系统
本文提出两种具有辅助任务的模型,用于响应选择,并在 MultiWOZ 2.1 数据集上取得了 107.5 和 108.3 的综合分数,优于具有三倍以上的参数基线模型。
- 多轮对话中基于两层监督对比学习的响应选择
该论文研究了在多轮对话中选择最适当的回应是一个检索型对话系统的关键问题,提出了一种基于受监督对比学习的新方法并应用于回应选取中,利用句子标记交换和句子重排序的技术,经过实验验证,该方法明显优于基线和目前各种方法。
- EMNLP无监督自编码选择纠缠响应实现零样本对话分离
本文利用无监督学习的方法,解决了多人对话中的话语分组问题,并通过使用海量数据集进行预训练和微调,实现了无需任何有标注的数据就可以达到 25 的聚类 F1 分数。
- ACLDS-TOD:针对任务导向对话的高效领域专业化
本文探讨了领域专业化预训练对任务定向对话的影响,并提出了一种领域适配器技术,通过构建和利用专门领域的资源,如 DomainCC 和 DomainReddit 来提高模型的任务性能。
- SIGIR基于相关知识和目标的预测性检索聊天机器人
本文提出了一种新的多任务学习框架,以预测相关知识并通过显式信号来监督其学习,实现知识驱动的主动式对话,从而提高最终响应选择的准确性。
- SIGIR合作伙伴很重要!检验通过融合人设来进行检索式聊天机器人个性化响应选择的实证研究
本文提出了四种不同的合成策略,来探讨在基于检索的聊天机器人中,采用自我或合作者角色的角色来描述个性化对话者对响应选择的影响,并将这些策略实现到三个代表模型中,这些模型分别基于 HRE、IMN 和 BERT。实证研究表明,在 Persona- - WWW面向任务的个性化对话系统的协作记忆网络 (用户画像不完整)
本文提出了一种无需完整用户信息的个性化任务型对话系统,采用 Cooperative Memory Network 模型逐步丰富用户配置文件,并以此为基础选择个性化回应,实验表明该模型在提高回应准确率的同时具有较强的稳健性。
- AAAI基于图推理网络和定制化预训练的多轮对话应答选择模型
本文提出基于图推理网络(GRN)的多轮对话检索中的响应选择方法,并探究了其在序列推理和图推理方面的表现。在两个对话推理数据集上的实验表明,该模型可以显著优于强基准方法,并可以达到接近人类水平的性能。
- EMNLP使用动态主题跟踪的多方对话响应选择
这项研究通过动态主题跟踪任务将回复选择作为一种新的表述方法,并提出了一种支持高效编码的新型多任务学习框架,并且通过预训练模型,仅使用两次讲话来进行动态主题分离和回复选择。同时,还提出了 Topic-BERT 的关键预训练步骤来嵌入主题信息, - AAAI多轮响应选择的话语操纵策略
本文研究了在检索型的多轮对话系统中,如何在给定用户和系统对话历史记录的情况下选择最优回复。本研究发现,利用预训练的语言模型可以解决此类回复选择任务,但这种方法只考虑了历史和候选回复的相关性,而忽略了多轮对话系统的时序性。因此,作者提出了一种 - ACL通过响应选择评估对话生成系统
本研究提出了一种构建响应选择测试集以进行系统评估的方法,通过过滤不相关的和可接受的候选者,实验表明此方法比 BLEU 等自动评估指标更能与人类评估相关联。
- EMNLP面向基于个性化的共情式对话模型
本文提出了一个新任务,即基于角色的移情对话,并首次对角色对移情反应的影响进行了实证研究。作者提供了一份新的大规模多领域数据集,使用高效的 CoBERT 模型进行回答选择,实验证明,当 CoBERT 模型基于移情对话训练时,角色更有助于提高移 - EMNLPTOD-BERT: 面向任务导向对话的预训练自然语言理解
本文通过整合多个人机对话数据集,结合用户和系统记号改良预训练模型,提出了对话任务 BERT(TOD-BERT)模型,并通过四个对话应用领域的实验验证,表明 TOD-BERT 在意图识别、对话状态跟踪、对话行为预测、响应选择等方面超过了强对话 - EMNLP非二元世界:使用灰度数据进行学习排序以进行对话响应选择
本文提出一种利用现成的响应检索模型和响应生成模型来自动生成灰度数据并利用多级排序目标进行训练的方法,从而在建立基于检索的对话系统中提高响应选择的性能。实验表明,该方法能显著且一致地提高基于三个基准数据集和四种最先进的匹配模型的性能。
- 第八届对话系统技术挑战赛
介绍第八届对话系统技术挑战赛,重点关注多领域任务完成、响应选择、音频图像感知对话、架构引导对话状态跟踪任务,描述了每个任务的定义、提供的数据集和评估设置,总结了提交系统的结果,以突显当前技术发展的总体趋势。
- ACL基于事件因果和角色因素张量事件嵌入的对话响应重新排序
本文提出了一种基于事件因果关系的对话历史和候选回复之间的相关性重新排名算法,可用于选择连贯而多样的回复,采用基于角色因子张量模型的分布式事件表示来匹配事件因果关系,实验结果表明,该方法提高了系统响应的连贯性和对话连续性。