基于事实的对话生成与收敛-发散解码

基于事实的对话生成是一项基于对话上下文和事实文本生成类人回复的任务。已有多种方法被提出，侧重于有效生成包含事实的信息性词语。然而，以往工作隐式假设对话中话题保持不变，且通常被动交谈，因此系统难以主动提供有意义信息的多样化回复。本文提出一个端到端的基于事实的对话系统，增强了对上下文与事实的收敛性与发散性思维能力，能够围绕当前话题交谈或引入新话题。具体而言，我们的模型引入了一种新颖的收敛-发散解码，能够不仅考虑给定输入（上下文与事实）还考虑与输入相关的话题，从而生成信息丰富且多样的回复。在 DSTC7 数据集上的自动与人工评测结果表明，我们的模型显著优于 state-of-the-art 基线，表明我们的模型能生成更恰当、信息更丰富且更多样的回复。