Tag: Dialogue System
Unsupervised Context Rewriting for Open Domain Conversation
本文主要目的是生成自包含的（self-contained）句子，使其没有指代和依赖于对话历史中的其他句，进而促进回复选择和生成任务。 paper: https://drive.google.com/open?id=1B4ts8jU3Xx_TJuS9rgcBP3E17DFbegK6
Dually Interactive Matching Network for Personalized Response Selection in Retrieval-Based Chatbots
本文研究个性化检索式对话系统，传统的个性化方法利用persona编码增强context表示，然后再与response匹配，而本文提出了DIM模型，核心是context与response，persona与response进行双匹配。 paper: https://drive.google.com/open?id=1WIBSG2pRGhpVmkV4OGNx0X2xQzSu-v2Ccode: https://github.com/JasonForJoy/DIMsource: EMNLP 2019
Neural Response Generation with Meta-Words
本文提出用meta-word来表示输入和回复间的关系，基于meta-word的架构，诸如情感对话生成、个性化对话生成等热点问题都可通过该论文提出的框架解决。ACL2019 paper link
Multi-Level Memory for Task Oriented Dialogs
本文提出了基于多层记忆网络的对话生成模型，创新点在于将context memory和KB memory分隔开，并且以一种分层的结构表示KB memory，以符合KB结果中自然的层次关系，使得模型可以支持非连续的对话（用户引用之前历史提过的KB结果），在entity F1和BLEU上远远超过之前的模型（Mem2Seq等）。 paper linkcode link
Decay-Function-Free Time-Aware Attention to Context and Speaker Indicator for Spoken Language Understanding
本文研究的是对话系统中的SLU任务，论文重点关注于对话中不同出现时间的上下文信息，即考虑对话时间的影响，同时增加了说话者的身份特征。NAACL2019 paper link)code link
A Survey of Response Selection in Retrieval-based Chatbots
本文主要总结检索式对话系统中回复选择的模型方法，从基于编码的方法和基于匹配的方法两方面介绍，重点突出最新的一些进展，总体来说，多表征交互融合的方法基本上是SOTA。
Zero-Shot Adaptive Transfer for Conversational Language Understanding
本文来自于AAAI2019，主要研究的是自然语言理解领域迁移的问题，与传统的序列标注模型不同的是，作者使用了slot描述信息来辅助多个领域之间的迁移，在10个领域的数据集上取得了最优的效果。 paper link
Learning Discourse-level Diversity for Neural Dialog Models using Conditional Variational Autoencoders
本文是ACL2017上的文章，主要研究对话生成多样性问题，作者提出了基于条件变分自编码器CVAE的对话生成模型，借助于隐变量学习回复的概率分布，同时还引入了回复的diaact信息作为外部语言知识。针对于带RNN decoder的VAE模型训练过程中存在的vanishing latent variable problem，作者引入了一种附加 bag loss。与基线模型相比，本文提出的模型在生成回复的多样性方面有明显提升。 paper linkcode link
Training Millions of Personalized Dialogue Agents
本文是FAIR发表于EMNLP2018上的文章，主要提出了一个基于Reddit的大规模开放域对话数据集，附带大量的用户个性，实验证明用户个性有助于提高对话系统的性能；同时，基于本数据集的预训练模型也有助于各种任务（FAIR的另一篇文章Wizard of Wikipedia Knowledge-powered conversational agents 使用了基于本数据集的预训练Transformer Encoder）。 paper link