DSTC6 端到端对话建模赛道

神经网络的端到端训练是一种利用人与人对话语料库自动构建对话系统的极具前景的方法。最近，Vinyals 等人使用 OpenSubtitles 测试了神经对话模型。Lowe 等人发布了 Ubuntu 对话语料库，用于研究非结构化多轮对话系统。此外，该方法已被扩展以完成面向任务的对话，从而在自然对话中恰当地提供信息。例如，Ghazvininejad 等人提出了一种知识驱动的神经对话模型 [3]，该研究旨在利用 Twitter 数据作为对话非结构化数据和 Foursquare 数据作为外部知识，将对话式交互与面向任务的知识相结合。然而，该任务仍局限于餐厅信息服务，尚未在多种多样的对话任务中进行测试。此外，如何创建能够像人类客服一样响应的智能对话系统仍不明确。考虑到这些问题，我们利用人与人之间的对话数据，向第六届对话系统技术挑战赛（DSTC6）提出了一个挑战赛道，以模拟人类对话行为。该挑战赛道的重点是利用人与人之间的对话训练端到端对话模型，并在假设为客户服务的各种情境下完成端到端对话任务，其中系统扮演人类客服的角色，并根据给定的对话上下文，针对用户的问题或评论生成自然且信息丰富的回复。