面向任务型对话中信息寻求的澄清问题提问
计算与语言
2023-05-24 v1 信息检索
摘要
任务型对话系统旨在为用户提供特定任务的服务。此类系统的用户往往并不知晓其所试图完成任务的所有信息，因而需要就任务进行信息寻求。为提供准确且个性化的任务型信息寻求结果，任务型对话系统需解决两个潜在问题：1）用户无法在其请求中描述复杂的信息需求；以及 2）系统所掌握的关于用户的模糊或缺失信息。在本文中，我们提出一种新的多注意力 Seq2Seq 网络，名为 MAS2S，其能够提问以澄清用户在任务型信息寻求中的信息需求与用户画像。我们还扩展了一个现有的任务型信息寻求数据集，得到 \ourdataset，其包含约 10 万条公开可用的任务型信息寻求对话\footnote{数据集与代码见 \href{https://github.com/sweetalyssum/clarit}{https://github.com/sweetalyssum/clarit}。}。在 \ourdataset 上的实验结果表明，MAS2S 在澄清问题生成与答案预测上均优于基线方法。
引用
@article{arxiv.2305.13690,
title = {Towards Asking Clarification Questions for Information Seeking on Task-Oriented Dialogues},
author = {Yue Feng and Hossein A. Rahmani and Aldo Lipani and Emine Yilmaz},
journal= {arXiv preprint arXiv:2305.13690},
year = {2023}
}