面向知识驱动对话的灵活端到端对话系统
计算与语言
2017-09-14 v1
摘要
在知识驱动对话中，领域知识在诸如音乐等特殊领域中起着重要作用。知识驱动对话的响应可能包含多个答案实体或根本不包含实体。尽管现有的生成式问答（QA）系统可应用于知识驱动对话，但它们要么在响应中至多包含一个实体，要么无法处理词汇表外实体。我们提出了一种完全数据驱动的生成式对话系统 GenDS，能够基于输入消息和相关知识库（KB）生成响应。为了生成任意数量的答案实体，即使这些实体从未出现在训练集中，我们设计了一个动态知识询问器，它根据不同的局部上下文在单个响应中的不同位置选择不同的答案实体。它不依赖于实体的表示，使我们的模型能够处理词汇表外实体。我们收集了带有知识标注的人-人对话数据（ConversMusic）。所提方法在 ConversMusic 和公开问答数据集上进行了评估。我们提出的 GenDS 系统在 BLEU、实体准确率、实体召回率和人工评估方面显著优于基线方法。此外，实验还表明 GenDS 即使在小数据集上表现也更好。
引用
@article{arxiv.1709.04264,
title = {Flexible End-to-End Dialogue System for Knowledge Grounded Conversation},
author = {Wenya Zhu and Kaixiang Mo and Yu Zhang and Zhangbin Zhu and Xuezheng Peng and Qiang Yang},
journal= {arXiv preprint arXiv:1709.04264},
year = {2017}
}