通过查询生成动态检索知识以生成信息丰富的对话
计算与语言
2023-02-24 v2
摘要
知识驱动对话系统近来取得了显著突破。相较于通用对话系统，优越的知识驱动对话系统可利用预先提供的知识生成更具信息量和知识性的回复。然而在实际应用中，由于无法提前预知对话的发展，对话系统无法被事先提供相应知识。因此，为使知识对话系统更具实用性，找到一种基于对话历史检索相关知识的方法至关重要。为解决该问题，我们设计了一个名为DRKQG（通过查询生成动态检索知识以生成信息丰富对话回复）的知识驱动对话系统。具体而言，该系统可分为两个模块：查询生成模块与对话生成模块。首先，利用时间感知机制捕获上下文信息，并生成用于通过搜索引擎检索知识的查询。随后，我们整合拷贝机制与transformers，使回复生成模块能够基于上下文与检索到的知识生成回复。在LIC2022语言与智能技术竞赛上的实验结果表明，我们的模块在自动评价指标上大幅优于基线模型，而百度语言学团队的人工评估显示我们的系统在事实正确性与知识性方面取得了令人印象深刻的成果。
引用
@article{arxiv.2208.00128,
title = {Dynamically Retrieving Knowledge via Query Generation for Informative Dialogue Generation},
author = {Zhongtian Hu and Lifang Wang and Yangqi Chen and Yushuang Liu and Ronghan Li and Meng Zhao and Xinyu Lu and Zejun Jiang},
journal= {arXiv preprint arXiv:2208.00128},
year = {2023}
}