对话式机器理解：文献综述
计算与语言
2021-02-09 v2
摘要
对话式机器理解（CMC）是对话式人工智能中的一个研究方向，期望机器理解开放域自然语言文本，并随后进行多轮对话以回答与该文本相关的问题。虽然机器阅读理解（MRC）的研究大多围绕单轮问答（QA）展开，但得益于基于 BERT 等神经语言模型的自然语言理解进展以及 CoQA、QuAC 等大规模对话数据集的引入，多轮 CMC 近来已获得显著关注。然而，兴趣的上升导致大量同期论文涌现，各自采用不同却结构相似的建模方法，并对相关文献持有不一致的看法。随着每年向对话数据集提交的模型数量不断增加，有必要整合该领域分散的知识以精简未来研究。本综述试图提供 CMC 的整体概览，重点强调近期已发表模型中的共性趋势，特别是它们处理对话历史的方式。本综述综合了一个 CMC 模型的通用框架，同时突出近期方法间的差异，并旨在作为面向未来研究者的 CMC 汇编。
引用
@article{arxiv.2006.00671,
title = {Conversational Machine Comprehension: a Literature Review},
author = {Somil Gupta and Bhanu Pratap Singh Rawat and Hong Yu},
journal= {arXiv preprint arXiv:2006.00671},
year = {2021}
}
备注
Accepted to COLING 2020