面向对话系统的词汇趋同
计算与语言
2023-10-17 v1 人工智能
机器学习
摘要
对话代理在协助日常任务中已无处不在，并被期望具备类人特征。其中一个特征是词汇趋同（LE），即人-人对话中说话者倾向于自然且下意识地使自己的词汇选择与其对话者保持一致，从而带来更成功且更投入的对话。例如，若数字助理对问题“我今天在 Jinling Noodle Bar 的预订是几点？”回复“您在 Jinling Noodle Pub 的预约是晚上 7 点”，可能会让人感觉助理在试图纠正说话者，而回复“您在 Jinling Noodle Bar 的预订是晚上 7 点”则更可能被感知为积极。这凸显了 LE 在建立共享术语以实现最大清晰度和减少对话歧义方面的重要性。然而，我们在本工作中表明，当前的回复生成模型并未充分应对这一关键类人现象。为此，我们提出了一个名为 MULTIWOZ-ENTR 的新数据集，以及一种用于对话系统的 LE 度量。此外，我们提出了一种将 LE 显式集成到对话系统中的方法，包含两项新任务：LE 抽取任务与 LE 生成任务。我们还给出了 LE 抽取任务的两种基线方法，旨在从对话上下文中检测 LE 表达。
引用
@article{arxiv.2310.09651,
title = {Lexical Entrainment for Conversational Systems},
author = {Zhengxiang Shi and Procheta Sen and Aldo Lipani},
journal= {arXiv preprint arXiv:2310.09651},
year = {2023}
}
备注
Findings of EMNLP 2023