话题感知的多轮对话建模
计算与语言
2020-12-18 v2
摘要
在基于检索的多轮对话建模中，依据上下文语句中提取的显著特征选择最合适回复仍具挑战。随着对话推进，话题在语篇层面的偏移通过连续的多轮对话上下文自然发生。然而，所有已知的基于检索的系统均满足于利用局部话题词表示上下文语句，却未能捕捉语篇层面如此关键的全局话题感知线索。不同于现有系统将话题不可知n-gram语句作为处理单元进行匹配，本文提出一种新颖的话题感知多轮对话建模方案，其以无监督方式分割并提取话题感知语句，从而使所得模型能够按需捕捉语篇层面的显著话题偏移，并有效跟踪多轮对话中的话题流。我们的话题感知建模通过新提出的无监督话题感知分割算法与话题感知双注意力匹配（TADAM）网络实现，该网络以双交叉注意力方式将每个话题片段与回复匹配。在三个公开数据集上的实验结果表明，TADAM优于SOTA方法，尤其在具有明显话题偏移的电商数据集上高出3.3%。
引用
@article{arxiv.2009.12539,
title = {Topic-Aware Multi-turn Dialogue Modeling},
author = {Yi Xu and Hai Zhao and Zhuosheng Zhang},
journal= {arXiv preprint arXiv:2009.12539},
year = {2020}
}