IART：信息检索对话系统中基于 Transformer 的意图感知回复排序
信息检索
2020-02-06 v1 计算与语言
摘要
Apple Siri、Google Assistant、Amazon Alexa 和 Microsoft Cortana 等个人助理系统正变得愈发普及。在信息检索对话中理解用户意图（如澄清性问题、潜在答案与用户反馈）对于检索优质回复至关重要。本文分析了信息检索对话中的用户意图模式，并提出一种意图感知的神经回复排序模型“IART”，即“Intent-Aware Ranking with Transformers（基于 Transformer 的意图感知排序）”。IART 构建于用户意图建模与语言表示学习在 Transformer 架构上的融合之上，该架构完全依赖自注意力机制而非循环网络。它引入意图感知的语句注意力，以推导对话上下文中各语句的重要性加权方案，从而更好地理解对话历史。我们使用三个信息检索对话数据集（包含标准基准与商业数据）进行了大量实验。所提模型在多项指标上优于所有基线方法。我们还进行了案例研究并分析了学习到的用户意图及其对信息检索对话中回复排序的影响，以对结果提供解释。
引用
@article{arxiv.2002.00571,
title = {IART: Intent-aware Response Ranking with Transformers in Information-seeking Conversation Systems},
author = {Liu Yang and Minghui Qiu and Chen Qu and Cen Chen and Jiafeng Guo and Yongfeng Zhang and W. Bruce Croft and Haiqing Chen},
journal= {arXiv preprint arXiv:2002.00571},
year = {2020}
}
备注
Accepted by WWW2020