基于加权负采样的知识 grounded 任务型对话系统中的外部知识选择
计算与语言
2022-09-07 v1
摘要
在口语对话上构建鲁棒的对话系统比书面对话带来更多挑战。为此，提出了 DSTC10-Track2-Task2，旨在口语对话上构建融合非结构化外部知识的任务型对话（TOD）系统，作为 DSTC9-Track1 的扩展。本文介绍我们的系统，其包含四种先进方法：数据构建、加权负采样、后训练与风格迁移。由于 DSTC10-Track2 未发布官方训练集，我们首先自动构建大规模训练数据。对于知识选择任务，我们提出加权负采样以更细粒度的方式训练模型。我们还采用后训练与风格迁移用于回复生成任务，以生成与目标回复风格相似且恰当的回复。实验中，我们考察了加权负采样、后训练与风格迁移的效果。我们的模型在客观评测中排名 16 支队伍中的第 7，在人工评测中排名第 6。
引用
@article{arxiv.2209.02251,
title = {External Knowledge Selection with Weighted Negative Sampling in Knowledge-grounded Task-oriented Dialogue Systems},
author = {Janghoon Han and Joongbo Shin and Hosung Song and Hyunjik Jo and Gyeonghun Kim and Yireun Kim and Stanley Jungkyu Choi},
journal= {arXiv preprint arXiv:2209.02251},
year = {2022}
}
备注
7page, DSTC10-Track2-task2