GKS：面向任务型对话系统的基于图的知识选择器
计算与语言
2021-12-28 v2
摘要
在以往研究中，知识选择任务大多依赖基于语言模型的方法或知识排序。然而，依赖语言模型的方法将所有知识作为序列输入，而大多数情况下知识并不包含序列信息。另一方面，知识排序方法分别利用对话历史和每个给定知识片段，但未考虑知识片段之间的信息。在第十届对话系统技术挑战赛（DSTC10）中，我们参与了第二项基于知识的口语对话任务型建模。为解决上述问题，我们基于最先进（SOTA）模型对第一和第三项子任务修改了训练方法。针对第二项知识选择子任务，我们提出了图知识选择器（GKS），其利用结合语言模型的图注意力基础模型。GKS 在对话中通过同时考虑语言模型生成的各知识嵌入（无序列特征）来做出知识选择决策。此外，GKS 在决策中利用大量知识，并将知识间关系作为选择过程的一部分。结果表明，GKS 在知识选择上优于 DSTC9 数据集中提出的若干 SOTA 模型。
引用
@article{arxiv.2112.03719,
title = {GKS: Graph-based Knowledge Selector for Task-oriented Dialog System},
author = {Jen-Chieh Yang and Jia-Yan Wu and Sung-Ping Chang and Ya-Chieh Huang},
journal= {arXiv preprint arXiv:2112.03719},
year = {2021}
}
备注
Accepted to The Tenth Dialog System Technology Challenge Workshop at Association for the Advancement of Artificial Intelligence (AAAI) 2022