开放域对话中的多句知识选择
计算与语言
2022-10-06 v2
摘要
在对话中有效融入外部知识源是开放域对话研究中一个长期存在的问题。现有关于开放域知识选择的文献有限，且为简化整体任务对知识源做出了某些脆弱的假设（Dinan 等，2019），例如假设每个上下文仅存在一个相关的知识句子。在本工作中，我们评估了开放域对话知识选择的现有状态，指出现有方法在数据和评估方面存在的缺陷。随后，我们通过提出一种收集相关知识的新框架来改进它们，并基于 Wizard of Wikipedia（WOW）语料库创建了一个增强数据集，我们称之为 WOW++。WOW++ 每个对话上下文平均包含 8 个相关知识句子，接纳了开放域对话知识选择固有的歧义性。然后，我们在此增强数据集上，通过内在评估和响应质量的外在度量，对各种知识排序算法进行了基准测试，结果表明，使用 WOW++ 训练的神经重排序器能够优于在标准数据集上训练的排序器。
引用
@article{arxiv.2203.00763,
title = {Multi-Sentence Knowledge Selection in Open-Domain Dialogue},
author = {Mihail Eric and Nicole Chartier and Behnam Hedayatnia and Karthik Gopalakrishnan and Pankaj Rajan and Yang Liu and Dilek Hakkani-Tur},
journal= {arXiv preprint arXiv:2203.00763},
year = {2022}
}
备注
Accepted at INLG 2021. 11 pages, 5 tables, 8 figures