通过对话语料增强 ConceptNet 引导生成式聊天机器人的话题流
计算与语言
2021-09-15 v2 人工智能
摘要
人类对话由合理且自然的话题流组成，表现为跨话语所提及概念的转变。先前整合外部常识知识图的聊天机器人证明，对概念转变建模可有效缓解回复枯燥且信息量低的困境。然而，自然对话中的概念关系与外部常识知识图中的概念关系之间仍存在差距，这是一个待解决的问题。具体地，外部常识知识图中的概念关系并非直观地从对话场景而是从世界知识构建，这使其不足以用于聊天机器人构建。为弥合上述差距，我们提出从对话语料中提取更多概念关系并重构增强概念图以用于聊天机器人构建的方法。此外，我们提出一种新颖、强大且快速的图编码架构 Edge-Transformer 以替代传统 GNN 架构。在 Reddit 对话数据集上的实验结果表明，我们提出的方法显著优于强基线系统并取得了新的 SOTA 结果。进一步分析分别证明了增强概念图与 Edge-Transformer 架构的有效性。
引用
@article{arxiv.2109.05406,
title = {Guiding Topic Flows in the Generative Chatbot by Enhancing the ConceptNet with the Conversation Corpora},
author = {Pengda Si and Yao Qiu and Jinchao Zhang and Yujiu Yang},
journal= {arXiv preprint arXiv:2109.05406},
year = {2021}
}
备注
13 pages, 5 figures