admin 管理员组

文章数量: 1184232
论文出处：ACL 2019
1. 摘要

论文提出了一种基于知识图谱能主导对话的对话系统，并开源了对应的数据集DuConv。该数据集涉及电影、导演和演员相关题材，包含3w个多轮对话，约27w个句子。每个对话包含一个目标三元组[START, TOPIC_A, TOPIC_B]，表示系统的目标是将对话主题从A引导到B；另外包括一系列跟TOPIC_A或者TOPIC_B有关的知识三元组，形式为（主体，谓词，客体），表示主客体之间的关系，比如（张艺谋，导演，红高粱）；然后包括多轮对话。数据示例如下（文末附json格式的示例）：

2. 模型

论文提出了基于检索和生成的两种模型。

2.1 检索模型

检索模型的整体思路是对每个对话先筛选出n个候选句子，然后使用模型对这n个候选句子打分，选出得分最高最高的句子，作为最终的目标句子。因此分两个主要步骤，一个是筛选得到候选句子，第二个是打分。现在分别介绍：

  • 筛选候选句子
    整体思路是使用知识中的slot（谓词）对每个对话的句子提取模板，并且抽取每个对话的domain，然后相同domian对话的句子就可以共用一个模板池，最后生成候选的时候只需要将模板的slot填充成该对话相应的知识既可。以附录示例为例详细步骤如下：

本文标签： machine human Proactive Goals Explicit

版权声明：本文标题：《Proactive Human-Machine Conversation with Explicit Conversation Goals》 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1754604665a3020345.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。