DialogConv：一种用于多视角回复选择的轻量级全卷积网络
计算与语言
2022-10-26 v1
摘要
当前端到端的检索式对话系统主要基于循环神经网络或带有注意力机制的 Transformer。尽管已取得可喜结果，这些模型常受推理慢或参数量巨大的困扰。在本文中，我们提出一种新颖的轻量级全卷积架构，称为 DialogConv，用于回复选择。DialogConv 完全构建在卷积之上，以提取上下文与回复的匹配特征。对话以 3D 视角建模，其中 DialogConv 在嵌入视角、词视角和话语视角上执行卷积操作，从多个上下文视角捕获更丰富的语义信息。在四个基准数据集上，与最先进的基线相比，DialogConv 平均规模约小 8.5 倍，在 CPU 和 GPU 设备上分别快 79.39 倍和 10.64 倍。同时，DialogConv 取得了具有竞争力的回复选择效果。
引用
@article{arxiv.2210.13845,
title = {DialogConv: A Lightweight Fully Convolutional Network for Multi-view Response Selection},
author = {Yongkang Liu and Shi Feng and Wei Gao and Daling Wang and Yifei Zhang},
journal= {arXiv preprint arXiv:2210.13845},
year = {2022}
}
备注
EMNLP2022