task-oriented dialogues | BriefGPT

关键词task-oriented dialogues

搜索结果 - 18

ACLDivTOD：发挥 LLMs 在多样化任务导向对话表示中的力量
本文提出了一种称为 DivTOD 的新型对话预训练模型，它与 LLMs 合作，学习多样的任务导向对话表示，并在各种下游对话任务上优于强基线模型，同时学习任务导向对话的内在多样性。
PDF3 months ago
COLINGBootTOD: 通过对齐多样回应优化任务导向对话表征
本文介绍了一种名为 BootTOD 的新型对话预训练模型，通过自我引导框架学习面向任务的对话表示。与对比方法不同，BootTOD 可以对齐上下文和上下文 + 回复表示，并摒弃了对比对的要求。BootTOD 还使用多个合适的回复目标来模拟人类
PDF4 months ago
COLING聊天作为干扰：向任务导向对话添加用户背景
通过使用 Llama-2-70B 进行少样本提示来提高 MultiWOZ 数据集中用户故事的质量，我们评估了这种添加对模型的影响，结果显示这种丰富的数据集给系统带来了显著挑战，同时证明了该数据集可用于训练，能够在同一轮中始终自觉承认用户的背
PDF4 months ago
通过函数调用将大型语言模型作为零样本对话状态跟踪器
通过函数调用，我们提出了一种改进零样本对话状态跟踪的方法，以提高大型语言模型的任务导向对话的效果，并实现了与当前最先进模型的性能相媲美。
PDF5 months ago
在任务导向对话中加入闲聊的比较研究：基于词汇多样性和差异性
本论文通过比较分析三种闲聊增强方法，旨在确定多样性方面最有效的方法。此外，我们量化了增加的闲聊、原始任务导向语言和闲聊数据集中典型闲聊之间的差异，突出每个比较中的前 20 个差异关键词。我们的研究结果为增强任务导向对话提供了未来改进的讨论，
PDF7 months ago
在任务导向对话数据集中寻找开放领域对话片段
结合话题建模，研究 Schema-Guided Dialogues 和 MultiWOZ 的训练集，发现社交对话序列的存在，进一步推动了如何将闲聊融入任务导向对话的研究。
PDF7 months ago
EMNLP多用户多 WOZ：多用户之间的任务导向对话
通过收集多用户多 WOZ 数据集，该研究提出了多用户背景下的查询重写任务，旨在将两个用户之间的对话重写成只包含任务相关信息、能够被对话系统直接处理的简洁任务查询，实验证明通过预测的重写方式，显著提高了对话状态跟踪的性能，并且可以适用于未知领
PDF8 months ago
EMNLP零样本对话状态跟踪的复杂更新策略的大型语言模型语义解析
通过语义解析将原始对话文本转换为 JSON，使用大型语言模型和更多模块来实现更新策略，提出一种新的上下文学习方法 ParsingDST，通过引入复杂的更新策略改进了零样本对话状态跟踪 (DST)，在 MultiWOZ 数据集上优于现有的方法
PDF9 months ago
从口到腹：解决任务型对话情感识别学习的关键步骤
本文提出了一个将闲聊型情绪识别模型转变为面向任务型的框架，通过改进稀有情绪的增强方法、将对话状态作为辅助特征以及设计多任务学习目标和情绪 - 距离加权损失函数来显著提高模型性能，并在 EmoWOZ 数据集上进行了验证。该模型具有强大的零样本
PDF10 months ago
在内容保持的风格转换方面，不要在改写时丢失信息
文本风格转换方法在自然语言处理中越来越受欢迎，允许将文本从有毒到神经、从正式到非正式、从古老到现代英语等形式进行改写。在一些应用中，解决这一任务不仅仅是生成一些神经 / 非正式 / 现代化的文本，更重要的是保持原始内容不变。通过比较各种风格
PDFa year ago
利用明确的过程说明来提高数据效率的行动预测
本文提出了一种数据高效的解决方案，将知识检索模块与大型语言模型相结合，利用代理指南中的显式指令构建对话系统，并通过半监督预训练方案进行训练，同时评估在行动状态跟踪和工作流发现两个对话任务中的表现，结果表明程序化知识增强提高了在低数据密度下的
PDFa year ago
ACL低资源任务导向的对话系统的多重对称双学习
通过数据挖掘和双重学习，本论文提出的新方法可以显著提升任务导向对话系统在低资源情境下的效果。
PDFa year ago
ACL使用较少的监督学习可解释的潜在对话动作
本文介绍了一种用于解释任务对话建模的新型系统，基于离散潜变量表示对话行为。该模型基于变分循环神经网络，无需显式的语义信息。与以前的工作不同，我们的方法分别对系统和用户轮次进行建模，同时执行数据库查询建模，使得该模型适用于任务对话，同时生成易
PDF2 years ago
基于任务的对话中的结构提取：基于槽聚类的方法
本文提出一种在面向任务的对话中提取结构化信息的方法，通过使用预训练模型检测和聚类可能的槽标记来逼近目标领域的对话本体，在此基础上推导出状态转移结构，实验结果表明这种方法在对话结构提取方面表现比无监督基线模型更好，此外，通过基于提取的结构进行
PDF2 years ago
EMNLP明确动作学习：通用性和可解释的对话生成
本研究提出了一种无监督的方法，旨在将用户话语映射成一段词组的自然语言行为，从而优化任务完成和语言质量。该方法通过经验性学习得到一个能够将系统话语总结成一个简短词组的记忆组件，以促进紧凑的行为表示，并进一步通过辅助任务优化智能对话系统的自动化
PDF4 years ago
ICLR非自回归对话状态跟踪
本文提出了一种基于非自回归框架的对话状态跟踪方法 (NADST)，能够考虑域和槽之间的潜在依赖关系，优化对话状态预测的完整集合。该方法的非自回归性质不仅可以并行进行解码，大大降低了实时对话响应生成的延迟，而且可以在令牌级别检测槽之间的依赖关
PDF4 years ago
AAAIMALA: 跨领域对话生成与行动学习
本研究提出多阶段自适应潜在动作学习（MALA）方法，通过区分话语对对话推进的影响来学习语义潜在动作，解决了最近研究中基于话语词汇相似性学习潜在动作的各种语言表面差异问题，实验结果表明该方法在任务完成和语言质量方面均取得了显著改进。
PDF5 years ago
EMNLP基于 seq-to-seq 模型的增量式任务导向对话解释潜力分析
本文针对合成的任务型对话数据，研究了编码器 - 解码器模型在处理话语中的犹豫和自我修正等不连贯现象时的表现，并发现这些现象对于带有注意力机制的序列到序列模型的任务成功几乎没有影响，同时分析发现模型在处理这些现象时的表示中没有意识到其结构，但
PDF6 years ago