学习潜在信念并进行认知推理以实现高效且有意义的对话管理
人工智能
2019-05-22 v2 计算与语言
摘要
许多对话管理框架允许系统设计者直接定义信念规则以实现高效的对话策略。由于这些规则是直接定义的，相应组件被称为手工打造的。随着对话变得复杂，状态、转移和策略决策的数量变得非常庞大。为便利对话策略设计过程，我们提出一种利用监督机器学习方法自动学习信念规则的方法。我们在学生-顾问对话领域验证了我们的想法，提取出诸如学生好奇、困惑、中立等潜在信念。此外，我们还进行认知推理，有助于根据学生的情绪状态定制对话，从而提升对话系统的整体有效性。我们的潜在信念识别方法达到了87%的准确率，并实现了高效且有意义的对话管理。
引用
@article{arxiv.1811.10238,
title = {Learning Latent Beliefs and Performing Epistemic Reasoning for Efficient and Meaningful Dialog Management},
author = {Aishwarya Chhabra and Pratik Saini and Amit Sangroya and C. Anantaram},
journal= {arXiv preprint arXiv:1811.10238},
year = {2019}
}