面向智能对话问答的自适应上下文管理
计算与语言
2025-09-23 v1
摘要
本文提出一种用于对话问答系统的自适应上下文管理（Adaptive Context Management, ACM）框架。ACM框架的核心目标是在对话问答模型的token限制内，通过动态管理上下文来优化对话历史的使用。我们的方法集成了上下文管理器（Context Manager, CM）模块、摘要模块（Summarization, SM）和实体抽取模块（Entity Extraction, EE），以高效处理对话历史。在CM模块中，动态调整上下文大小，以确保模型token限制内保留最相关且最新的信息。SM模块通过滑动窗口对较旧的对话历史进行摘要。当摘要窗口超过限制时，EE模块识别并保留来自最旧对话轮次中的关键实体。实验结果表明，我们所提出的框架能够生成准确且语境恰当的响应，凸显了ACM框架在增强对话问答系统鲁棒性和可扩展性方面的潜力。
引用
@article{arxiv.2509.17829,
title = {Towards Adaptive Context Management for Intelligent Conversational Question Answering},
author = {Manoj Madushanka Perera and Adnan Mahmood and Kasun Eranda Wijethilake and Quan Z. Sheng},
journal= {arXiv preprint arXiv:2509.17829},
year = {2025}
}
备注
Comments: 15 pages, 6 figures, Table 1, published in Lecture Notes in Computer Science (LNCS 15391), Proceedings of ADMA 2024. DOI: 10.1007/978-981-96-0847-8_25