通过话语生成与前瞻改进面向目标的对话
计算与语言
2021-10-26 v1 人工智能
机器学习
摘要
面向目标的对话系统已成为多数企业主要的客户关怀交互渠道。然而，并非所有交互都顺畅，客户意图误解是对话失败的主因。我们表明，通过训练一个深度文本到文本神经模型从无标签对话数据生成连续用户话语，可改进意图预测。为此，我们定义了一种多任务训练机制，利用连续用户话语生成来改进意图预测。我们的方法取得所述改进源于两个互补因素：首先，它将大量无标签对话数据用于辅助生成任务；其次，它将生成的用户话语作为意图预测模型的额外信号。最后，我们提出一种新颖的前瞻方法，利用用户话语生成在推理时改进意图预测。具体而言，我们对预测意图模糊的对话生成反事实的连续用户话语，并通过重新评估可用话语与生成话语的拼接序列来消歧预测。
引用
@article{arxiv.2110.12412,
title = {Improved Goal Oriented Dialogue via Utterance Generation and Look Ahead},
author = {Eyal Ben-David and Boaz Carmeli and Ateret Anaby-Tavor},
journal= {arXiv preprint arXiv:2110.12412},
year = {2021}
}