端到端任务型对话中基于约束的知识库蒸馏
计算与语言
2021-09-16 v1 机器学习
摘要
端到端任务型对话系统基于对话历史和伴随的知识库（KB）生成回复。推断那些与话语最相关的KB实体对回复生成至关重要。现有最先进方法通过对无关KB信息进行软过滤来扩展到大型KB。本文中，我们提出一种新颖过滤技术，包含（1）基于成对相似度的过滤器，通过遵循KB记录中的n元结构来识别相关信息；以及（2）一个辅助损失，有助于分离上下文无关的KB信息。我们还提出一个新度量——多集实体F1（multiset entity F1），它修正了现有实体F1度量中的正确性问题。在三个公开可用任务型对话数据集上的实验结果表明，我们提出的方法优于现有最先进模型。
引用
@article{arxiv.2109.07396,
title = {Constraint based Knowledge Base Distillation in End-to-End Task Oriented Dialogs},
author = {Dinesh Raghu and Atishya Jain and Mausam and Sachindra Joshi},
journal= {arXiv preprint arXiv:2109.07396},
year = {2021}
}
备注
D. Raghu and A. Jain contributed equally to this work