MP2D：一种利用知识图谱的自动话题转换对话生成框架
计算与语言
2024-03-12 v1 人工智能
摘要
尽管同主题对话系统取得了进展，但在对话中有效管理话题转换仍然是一个持续的挑战，这在很大程度上归因于训练数据集的有限可用性。为了解决这个问题，我们提出了多段落到对话（MP2D），这是一种自动创建具有自然话题转换的对话问答数据集的数据生成框架。通过利用知识图谱中实体之间的关系，MP2D映射对话内的话题流，有效地反映了人类对话的动态。它检索与话题相关的段落，并通过段落到对话方法将其转换为对话。通过定量和定性实验，我们证明了MP2D在生成具有自然话题转换的对话方面的有效性。此外，本研究引入了一个用于话题转换对话的新基准TS-WikiDialog。利用该数据集，我们证明了即使是大型语言模型（LLM）也难以在对话中有效地处理话题转换，并且我们展示了在MP2D生成的数据集上训练的模型在各种话题转换对话任务中的性能提升。
引用
@article{arxiv.2403.05814,
title = {MP2D: An Automated Topic Shift Dialogue Generation Framework Leveraging Knowledge Graphs},
author = {Yerin Hwang and Yongil Kim and Yunah Jang and Jeesoo Bang and Hyunkyung Bae and Kyomin Jung},
journal= {arXiv preprint arXiv:2403.05814},
year = {2024}
}
备注
20 pages