多轮对话理解进展：综述
计算与语言
2021-10-13 v2 人工智能
人机交互
信息检索
摘要
训练机器理解自然语言并与人类交互是人工智能中一项难以捉摸却又至关重要的任务。随着深度学习技术尤其是近期预训练语言模型(PrLMs)的快速发展，已设计出多种对话系统。在这些研究中，基础且具有挑战性的任务类型是对话理解，其作用是教导机器在响应前阅读并理解对话上下文。本文从对话建模的技术视角综述了面向对话理解任务的已有方法。我们总结了相较于纯文本阅读理解，对话理解的特征与挑战。接着，我们讨论了三种典型的对话建模模式。此外，我们对用于增强对话场景中PrLMs的对话相关预训练技术进行了分类。最后，我们强调了近年来的技术进展，并指出基于实证分析的教训以及面向新研究前沿的展望。
引用
@article{arxiv.2110.04984,
title = {Advances in Multi-turn Dialogue Comprehension: A Survey},
author = {Zhuosheng Zhang and Hai Zhao},
journal= {arXiv preprint arXiv:2110.04984},
year = {2021}
}
备注
Upload as new by mistake. Please see the updated version in the existing one: arXiv:2103.03125