DyKgChat：基于动态知识图的对话生成基准评测
计算与语言
2019-10-03 v1 人工智能
摘要
数据驱动、知识 grounding 的神经对话模型能够生成更具信息量的回复。然而，这些模型尚未证明它们可以零样本适应更新后的、未见过的知识图。本文提出了关于如何在神经对话模型中应用动态知识图的新任务，并针对该任务提出了一种新的电视剧对话语料库（DyKgChat）。我们的新任务和语料库有助于理解动态知识图对回复生成的影响。此外，我们提出了一个初步模型，该模型在每个时间步从两个网络中选取一个输出：序列到序列模型（Seq2Seq）和多跳推理模型，以支持动态知识图。为了对该新任务进行基准评测并评估适应能力，我们引入了若干评测指标，实验表明我们提出的方法优于先前知识 grounding 的对话模型。所提出的语料库和模型可激励未来的研究方向。
引用
@article{arxiv.1910.00610,
title = {DyKgChat: Benchmarking Dialogue Generation Grounding on Dynamic Knowledge Graphs},
author = {Yi-Lin Tuan and Yun-Nung Chen and Hung-yi Lee},
journal= {arXiv preprint arXiv:1910.00610},
year = {2019}
}
备注
Accepted to EMNLP 2019