DialoGen：面向对话系统的广义长程上下文表示
计算与语言
2023-10-04 v4
摘要
长程上下文建模对于对话理解与生成都至关重要。对话上下文表示最常用的方法是按时间顺序拼接最近的第 轮 utterance（话语）。然而，该方法对于包含长程依赖的对话可能并不理想，即当需要超出最近 轮话语来生成有意义的回复时。本工作中，我们提出 DialoGen，一种基于编码器-解码器的新型对话生成框架，其采用可超越最近 轮话语的广义上下文表示。我们方法的核心思想是识别并利用最相关的历史话语而非最近 轮，这也使得能够以更少的 token 紧凑表示对话历史。我们在对话生成（开放域）与理解（DST，对话状态跟踪）上研究了所提方法的有效性。即便采用紧凑的上下文表示，DialoGen 在开放域 DailyDialog 数据集上的表现也与 state-of-the-art 模型相当。当将所提上下文表示应用于现有 DST 模型时，我们在 MultiWOZ 数据集的 DST 任务上观察到类似表现。我们还讨论了 DialoGen 的泛化性与可解释性，并表明先前话语的相关性分数与人类认知高度一致。
引用
@article{arxiv.2210.06282,
title = {DialoGen: Generalized Long-Range Context Representation for Dialogue Systems},
author = {Suvodip Dey and Maunendra Sankar Desarkar and Asif Ekbal and P. K. Srijith},
journal= {arXiv preprint arXiv:2210.06282},
year = {2023}
}
备注
Accepted at PACLIC 2023