面向开放域对话生成的对话结构图发现
人工智能
2021-01-01 v1 计算与语言
摘要
从人人对话中学习可解释的对话结构，既能揭示对话结构的基本洞见，也能为对话生成提供背景知识。本文从无闲聊语料中无监督地发现对话结构，并利用其促进下游系统中的对话生成。为此，我们提出一种结合图神经网络(GNN)的离散变分自编码器(DVAE-GNN)，以发现统一且人类可读的对话结构。该结构是一个两层有向图，上层顶点包含会话级语义，下层顶点包含话语级语义，这些语义顶点间存在边。特别地，我们将 GNN 集成到 DVAE 中，以微调话语级语义，从而更有效地识别会话级语义顶点。此外，为缓解发现大量话语级语义的困难，我们设计了一种耦合机制，将每个话语级语义顶点与一个独特短语绑定以提供先验语义。在两个基准语料上的实验结果证实，DVAE-GNN 能发现有意义的对话结构，且将对话结构图作为背景知识可促进基于图的对话系统开展连贯的多轮对话生成。
引用
@article{arxiv.2012.15543,
title = {Discovering Dialog Structure Graph for Open-Domain Dialog Generation},
author = {Jun Xu and Zeyang Lei and Haifeng Wang and Zheng-Yu Niu and Hua Wu and Wanxiang Che and Ting Liu},
journal= {arXiv preprint arXiv:2012.15543},
year = {2021}
}