基于常识与命名实体的知识 grounded 对话生成
计算与语言
2022-05-30 v1 人工智能
摘要
将对话基于外部知识并解释对话历史上下文中的语言模式（如省略、指代与共指）对于对话理解与生成至关重要。本文提出一种新颖的开放域对话生成模型，其有效利用了大规模常识与基于命名实体的知识，以及与非结构化特定主题知识（与每句话语相关联）。我们使用共指增强常识知识的命名实体感知结构。我们提出的模型利用多跳注意力层以保留对话历史与相关知识中最准确与关键的部分。此外，我们采用常识与命名实体增强注意力模块，该模块从多源抽取的三元组出发，利用来自交互式对话-知识模块的查询向量通过多跳注意力逐步找到相关的支撑三元组集合。在两个基准数据集上的实证结果表明，我们的模型在自动评价指标与人工判断上均显著优于 SOTA 方法。我们的代码公开于 \href{https://github.com/deekshaVarshney/CNTF}{https://github.com/deekshaVarshney/CNTF}; \href{https://www.iitp.ac.in/~ai-nlp-ml/resources/codes/CNTF.zip}{https://www.iitp.ac.in/-ai-nlp-ml/resources/ codes/CNTF.zip}。
引用
@article{arxiv.2205.13928,
title = {Commonsense and Named Entity Aware Knowledge Grounded Dialogue Generation},
author = {Deeksha Varshney and Akshara Prabhakar and Asif Ekbal},
journal= {arXiv preprint arXiv:2205.13928},
year = {2022}
}