FCC：融合对话历史与候选来源用于对话系统中上下文响应排序
计算与语言
2023-04-04 v1 人工智能
摘要
对话中的响应排序在基于检索的对话系统中起着关键作用。在多轮对话中，为把握对话要义，上下文信息是实现该目标的重要知识。本文提出一种灵活的神经框架，可整合来自多个信道的上下文信息。针对当前任务，我们的方法是并行提供两个信息信道，即融合对话历史与从候选来源提取的领域知识(FCC)，其中候选响应经过筛选，作为上下文信息以提升多轮对话响应排序性能。所提方法可泛化为一个模块，以为其他面向上下文的任务整合各类上下文特征。我们在广泛用于评估对话响应排序任务的 MSDialog 数据集上评估模型。实验结果表明，我们的框架显著优于先前 SOTA 模型，Recall@1 提升 7%，MAP 提升 4%。此外，我们进行消融实验以评估各信息信道及框架组件对整体排序性能的贡献，为进一步改进提供额外见解与方向。
引用
@article{arxiv.2304.00180,
title = {FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems},
author = {Zihao Wang and Eugene Agichtein and Jinho Choi},
journal= {arXiv preprint arXiv:2304.00180},
year = {2023}
}
备注
The 13th International Workshop on Spoken Dialogue Systems Technology