基于知识库检索器的实体一致端到端任务型对话系统
计算与语言
2019-09-19 v2
摘要
在端到端任务型对话系统中，查询知识库（KB）一直是一个挑战。以往的序列到序列（Seq2Seq）对话生成工作将 KB 查询视为对整个人 KB 的注意力机制，无法保证生成的实体彼此一致。本文提出一种新颖的框架，通过两步查询 KB 来提升生成实体的一致性。第一步，受“一条回复通常可由单行 KB 数据支撑”这一观察启发，我们引入一个 KB 检索组件，该组件在给定对话历史时显式返回最相关的 KB 行。检索结果进一步用于过滤 Seq2Seq 回复生成模型中的不相关实体，以提升输出实体间的一致性。第二步，我们进一步执行注意力机制以处理最相关的 KB 列。为使训练在无标注检索数据下可行，提出了两种方法，包括远程监督与 Gumbel-Softmax 技术。在两个公开可用任务型对话数据集上的实验表明，我们的模型通过超越基线系统并生成实体一致的回复而具有有效性。
引用
@article{arxiv.1909.06762,
title = {Entity-Consistent End-to-end Task-Oriented Dialogue System with KB Retriever},
author = {Libo Qin and Yijia Liu and Wanxiang Che and Haoyang Wen and Yangming Li and Ting Liu},
journal= {arXiv preprint arXiv:1909.06762},
year = {2019}
}
备注
Accepted at EMNLP 2019