端到端任务型对话：任务、方法与未来方向综述

Libo Qin; Wenbo Pan; Qiguang Chen; Lizi Liao; Zhou Yu; Yue Zhang; Wanxiang Che; Min Li

端到端任务型对话：任务、方法与未来方向综述

计算与语言 2023-11-16 v1

作者: Libo Qin , Wenbo Pan , Qiguang Chen , Lizi Liao , Zhou Yu , Yue Zhang , Wanxiang Che , Min Li

摘要

端到端任务型对话（EToD）无需模块化训练即可直接以端到端方式生成回复，正吸引着日益增长的关注。深度神经网络尤其是大型预训练模型的成功应用，进一步推动了近年来 EToD 研究的显著进展。本文给出一份详尽综述，并提供统一视角以总结现有方法以及近期趋势，从而促进 EToD 研究的发展。本文的贡献可概括为：（1）\textbf{\textit{首篇综述}}：据我们所知，我们率先对该研究领域进行了全面综述；（2）\textbf{\textit{新分类法}}：我们首先为 EToD 引入统一视角，包括（i）\textit{模块化 EToD} 与（ii）\textit{完全 EToD}；（3）\textbf{\textit{新前沿}}：我们讨论若干潜在前沿领域及相应挑战，期望激发 EToD 领域的突破性研究；（4）\textbf{\textit{丰富资源}}：我们搭建了一个公共网站\footnote{我们在 \url{https://etods.net/} 为社区收集了相关论文、基线项目与排行榜。}，EToD 研究者可直接获取最新进展。我们希望本工作能作为 EToD 研究社区的详尽参考。

关键词

端到端任务型对话综述统一分类法模块化EToD 完全EToD 预训练模型

引用

@article{arxiv.2311.09008,
  title  = {End-to-end Task-oriented Dialogue: A Survey of Tasks, Methods, and Future Directions},
  author = {Libo Qin and Wenbo Pan and Qiguang Chen and Lizi Liao and Zhou Yu and Yue Zhang and Wanxiang Che and Min Li},
  journal= {arXiv preprint arXiv:2311.09008},
  year   = {2023}
}

备注

Accepted at EMNLP2023