基于序列注意力的洞识式端到端回复选择网络
计算与语言
2019-11-20 v3
摘要
作为对话系统技术挑战赛7（DSTC7）一个赛道的洞识式端到端回复选择挑战，旨在推进面向真实世界目标导向对话系统的语句分类技术前沿，参与者需从候选集中为多轮上下文选择正确的下一语句。本文描述了我们在该挑战下两个数据集（一个聚焦且小规模（Advising），另一个更多样且大规模（Ubuntu））均排名居首的系统。以往最优模型使用基于层次（语句级与词符级）的神经网络显式建模不同轮次语句间的交互以进行上下文建模。本文中，我们探究了一种仅基于链式序列的序列匹配模型用于多轮回复选择。我们的结果表明，序列匹配方法在多轮回复选择中的潜力过去尚未被充分挖掘。除在挑战中排名第一外，所提模型优于所有先前模型（包括最优层次模型），并在两个大规模公开多轮回复选择基准数据集上取得了新的最优性能。
引用
@article{arxiv.1901.02609,
title = {Sequential Attention-based Network for Noetic End-to-End Response Selection},
author = {Qian Chen and Wen Wang},
journal= {arXiv preprint arXiv:1901.02609},
year = {2019}
}
备注
Ranked first in DSTC7 Track 1. Accepted for an oral presentation at the DSTC7 workshop at AAAI 2019. The source code is available now