基于动态话题追踪的多方对话回复选择
计算与语言
2020-10-16 v1 人工智能
摘要
在多方的多轮对话中，参与者同时涉及多个对话话题，而现有的回复选择方法主要着眼于两方单一对话场景进行开发。因此，当前方法忽略了对话话题的延续与转换。在本工作中，我们将回复选择构建为动态话题追踪任务，以匹配回复与相关对话上下文之间的话题。基于这一新形式化，我们提出了一种新颖的多任务学习框架，通过大型预训练模型仅以两条话语一次性高效编码，以执行动态话题解耦与回复选择。我们还提出 Topic-BERT，一种以自监督学习将话题信息嵌入 BERT 的必要预训练步骤。在 DSTC-8 Ubuntu IRC 数据集上的实验结果显示了回复选择和话题解耦任务上的最先进结果，以明显优势超越现有方法。
引用
@article{arxiv.2010.07785,
title = {Response Selection for Multi-Party Conversations with Dynamic Topic Tracking},
author = {Weishi Wang and Shafiq Joty and Steven C. H. Hoi},
journal= {arXiv preprint arXiv:2010.07785},
year = {2020}
}
备注
9 pages, EMNLP2020