从对话中无监督提取对话策略
计算与语言
2024-06-24 v1
摘要
对话策略在开发任务导向对话系统中起关键作用，但其开发和维护通常需要来自对话建模专家的大量工作。尽管在许多情况下，针对该任务大量可用对话数据，但缺乏有效的解决方案能够从数据中提取对话策略。本文通过首先说明如何利用大型语言模型（LLM）从数据集中提取对话策略，通过将对话转换为统一的中间表示（由规范形式组成）来实现。随后我们提出一种新方法，用于生成对话策略，利用可控且可解释的基于图的 methodology。通过将跨对话的规范形式整合成流网络，我们发现运行图遍历算法有助于从对话中提取对话流程。这些流程比仅通过提示 LLM 提取的流程更能代表底层交互。我们的技术侧重于赋予对话设计师更大的控制力，提供一种提升对话策略开发过程的生产力工具。
引用
@article{arxiv.2406.15214,
title = {Unsupervised Extraction of Dialogue Policies from Conversations},
author = {Makesh Narsimhan Sreedhar and Traian Rebedea and Christopher Parisien},
journal= {arXiv preprint arXiv:2406.15214},
year = {2024}
}