面向任务型对话的基于检索的响应模型部署
机器学习
2022-10-27 v1 计算机视觉与模式识别
图像与视频处理
摘要
工业环境中的任务型对话系统需要具备高对话能力，易于适应不断变化的情况，并符合业务约束。本文描述了一个三步流程，用于开发满足这些标准并能高效扩展以对大量响应候选进行排序的对话模型。首先，我们提供了一种简单的算法，无需任何标注即可从历史对话中半自动地创建高覆盖率的模板集。其次，我们提出了一种神经架构，将对话上下文和适用的业务约束编码为用于对下一轮进行排序的画像特征。第三，我们描述了一种两阶段学习策略，包括自监督训练，随后在通过人在回路平台收集的有限数据上进行监督微调。最后，我们描述了离线实验，并展示了将我们的模型与人在回路一起部署以与在线真实客户对话的结果。
引用
@article{arxiv.2210.14377,
title = {Fusing Modalities by Multiplexed Graph Neural Networks for Outcome Prediction in Tuberculosis},
author = {Niharika S. D'Souza and Hongzhi Wang and Andrea Giovannini and Antonio Foncubierta-Rodriguez and Kristen L. Beck and Orest Boyko and Tanveer Syeda-Mahmood},
journal= {arXiv preprint arXiv:2210.14377},
year = {2022}
}
备注
Accepted into MICCAI 2022