对话、聚焦与猜测——面向多文档驱动的对话
计算与语言
2021-02-05 v1
摘要
我们提出一项新任务——多文档驱动对话（MD3），其中智能体可通过引导对话来猜测用户感兴趣的目标文档。为评估进展，我们引入一个新数据集 GuessMovie，其包含 16,881 篇文档（每篇描述一部电影）以及相关的 13,434 段对话。此外，我们提出 MD3 模型。在持续猜测目标文档的思路下，该模型以文档参与度和用户反馈为条件与用户对话。为将大规模外部文档融入对话，其预训练了一种对描述对象时所谈属性敏感的文档表示。随后它通过检测文档信念与属性信念的演化来跟踪对话状态，并最终依据熵减与奖励增的原则优化对话策略，以期在最少轮数内成功猜出用户目标。实验表明，我们的方法显著优于若干强基线方法，并非常接近人类表现。
引用
@article{arxiv.2102.02435,
title = {Converse, Focus and Guess -- Towards Multi-Document Driven Dialogue},
author = {Han Liu and Caixia Yuan and Xiaojie Wang and Yushu Yang and Huixing Jiang and Zhongyuan Wang},
journal= {arXiv preprint arXiv:2102.02435},
year = {2021}
}
备注
Accepted by AAAI2021