基于常识知识图引导遍历的接地对话生成
计算与语言
2020-05-07 v3 人工智能
摘要
人类对话自然地围绕相关概念演化并分散到多跳概念。本文提出一种新的对话生成模型 ConceptFlow，它利用常识知识图显式地建模对话流。通过将对话接地到概念空间，ConceptFlow 将潜在的对话流表示为沿常识关系在概念空间中的遍历。该遍历由概念图中的图注意力引导，朝向概念空间中更有意义的方向移动，以生成更具语义性和信息量的回复。在 Reddit 对话上的实验证明了 ConceptFlow 相对于先前知识感知对话模型和基于 GPT-2 的模型的有效性，同时使用的参数减少 70%，证实了显式建模对话结构的优势。本工作的所有源代码可在 https://github.com/thunlp/ConceptFlow 获取。
引用
@article{arxiv.1911.02707,
title = {Grounded Conversation Generation as Guided Traverses in Commonsense Knowledge Graphs},
author = {Houyu Zhang and Zhenghao Liu and Chenyan Xiong and Zhiyuan Liu},
journal= {arXiv preprint arXiv:1911.02707},
year = {2020}
}