用于构建对话系统的模拟聊天：从指令学习生成对话
计算与语言
2021-10-22 v4 人工智能
摘要
诸如MultiWOZ等流行的对话数据集是通过向众包工作者提供以自然语言表述、描述待完成任务指令的方式创建的。众包工作者扮演用户和代理的角色，生成涉及预订餐厅座位、呼叫出租车等任务的对话。在本文中，我们提出一种数据创建策略，使用预训练语言模型GPT2，通过创建用户机器人和代理机器人来模拟众包工作者之间的交互。我们使用较小比例的真实众包生成的对话及其对应指令来训练模拟器。我们证明，通过使用模拟数据，我们在两个公开数据集——MultiWOZ数据集和Persona chat数据集——上的低资源设定中取得了显著改进。
引用
@article{arxiv.2010.10216,
title = {Simulated Chats for Building Dialog Systems: Learning to Generate Conversations from Instructions},
author = {Biswesh Mohapatra and Gaurav Pandey and Danish Contractor and Sachindra Joshi},
journal= {arXiv preprint arXiv:2010.10216},
year = {2021}
}
备注
Accepted in the Findings of EMNLP 2021