面向文档 grounded 对话的由粗到细知识选择
计算与语言
2023-02-24 v1
摘要
多文档 grounded 对话系统（DGDS）属于一类通过从文档集合中检索支持性知识来回答用户请求的对话智能体。以往大多数研究旨在改进知识检索模型，或提出将外部知识融入参数化生成模型的更有效方式。然而，这些方法侧重于从单一粒度的语言单元（如文档中的段落、句子或片段）检索知识，不足以在长文档中有效且高效地捕获精确知识。本文提出 Re3G，旨在统一框架中同时优化粗粒度知识检索与细粒度知识抽取。具体而言，前者在检索-重排序过程中高效定位相关段落，后者则在这些段落中有效抽取更细粒度的片段，以融入参数化答案生成模型（BART、T5）。在 DialDoc 共享任务上的实验证明了我们方法的有效性。
引用
@article{arxiv.2302.11849,
title = {Coarse-to-Fine Knowledge Selection for Document Grounded Dialogs},
author = {Yeqin Zhang and Haomin Fu and Cheng Fu and Haiyang Yu and Yongbin Li and Cam-Tu Nguyen},
journal= {arXiv preprint arXiv:2302.11849},
year = {2023}
}
备注
6 pages, 1 figure. Accepted by ICASSP 2023