基于多尺度负采样学习选择外部知识
计算与语言
2021-02-04 v1
摘要
DSTC9的Track-1旨在有效回答任务型对话中超出API/数据库范围的用户请求或问题。通过利用外部知识资源，可检索相关信息并将其编码进响应生成以处理这些超出API覆盖的查询。在本工作中，我们探索了若干先进技术以增强外部知识的利用并提升响应生成质量，包括模式引导的知识决策、负样本增强的知识选择，以及知识 grounded 的响应生成。为评估所提方法的性能，在公开数据集上进行了综合实验。我们的方法在DSTC9 Track-1的人工评估中排名最佳。
引用
@article{arxiv.2102.02096,
title = {Learning to Select External Knowledge with Multi-Scale Negative Sampling},
author = {Huang He and Hua Lu and Siqi Bao and Fan Wang and Hua Wu and Zhengyu Niu and Haifeng Wang},
journal= {arXiv preprint arXiv:2102.02096},
year = {2021}
}
备注
To be presented at AAAI-21 DSTC9 Workshop. First two authors contributed equally to this work