低资源知识 grounded 对话生成
计算与语言
2020-02-25 v1
摘要
以知识进行回复已被认为是智能对话代理的一项重要能力。然而，作为学习此类回复生成模型训练数据的知识 grounded 对话难以获取。受实际中挑战的驱动，我们考虑在仅有限训练样本可用的自然假设下的知识 grounded 对话生成。在此低资源设定下，我们设计了一个解耦的回复解码器，以将依赖于知识 grounded 对话的参数从整个生成模型中隔离出来。通过这种方式，模型的主要部分可以从大量无 grounded 对话和非结构化文档中学习，而剩余的少量参数可使用有限训练样本良好拟合。在两个基准上的评估结果表明，仅使用1/8训练数据，我们的模型即可达到最先进（SOTA）性能，并对域外知识具有良好的泛化能力。
引用
@article{arxiv.2002.10348,
title = {Low-Resource Knowledge-Grounded Dialogue Generation},
author = {Xueliang Zhao and Wei Wu and Chongyang Tao and Can Xu and Dongyan Zhao and Rui Yan},
journal= {arXiv preprint arXiv:2002.10348},
year = {2020}
}
备注
Published in ICLR 2020