面向知识型任务型对话系统的模板引导混合指针网络
计算与语言
2021-06-11 v1
摘要
现有多数基于神经网络的任务型对话系统遵循编码器-解码器范式，其解码器纯粹依赖源文本生成词序列，通常存在不稳定与可读性差的问题。受传统基于模板的生成方法启发，我们提出一种面向知识型任务型对话系统的模板引导混合指针网络，该网络从预构建的特定领域对话库中检索若干潜在相关答案作为引导答案，并将引导答案融入编码与解码过程。具体而言，我们设计了一种带门控机制的记忆指针网络模型，以充分利用检索答案与真实响应之间的语义关联。我们在四个广泛使用的任务型数据集上评估了我们的模型，包括一个模拟数据集和三个人工创建的数据集。实验结果表明，所提模型在不同自动评价指标上均显著优于最先进（SOTA）方法。
引用
@article{arxiv.2106.05830,
title = {A Template-guided Hybrid Pointer Network for Knowledge-basedTask-oriented Dialogue Systems},
author = {Dingmin Wang and Ziyao Chen and Wanwei He and Li Zhong and Yunzhe Tao and Min Yang},
journal= {arXiv preprint arXiv:2106.05830},
year = {2021}
}
备注
DialDoc workshop@ACL-IJCNLP-2021