RT-KGD：关系转移感知的知识 grounded 对话生成

以外部知识为对话系统提供支撑是提升回复质量的一种有前景的途径。多数现有工作采用知识图谱（KGs）作为外部资源，关注对话最后一轮中实体对上下文理解与回复生成的贡献。然而，多轮上下文中所隐含的知识间关联，以及知识图谱中关系之间的转移规律，尚未得到充分探索。为此，我们提出一种关系转移感知的知识 grounded 对话生成模型（RT-KGD）。具体而言，受人类对话潜在逻辑的启发，我们的模型将对话级关系转移规律与轮次级实体语义信息相融合。以此方式，知识之间的交互被考虑进来，从而为预测恰当知识与生成连贯回复提供丰富线索。在自动评测与人工评测上的实验结果表明，我们的模型优于最先进的基线。