0
Wizard of Wikipedia Knowledge-powered conversational agents
本文是FAIR发表于ICLR2019上的文章，主要提出了一个基于Wikipedia背景知识的开放域对话数据集以及两个基线模型。 paper linkdataset&&code link
Tag: Dialogue System
0
Learning to Select Knowledge for Response Generation in Dialog Systems
本文主要研究的是开放域对话系统，使用后验知识分布来指导知识选择过程，以生成包含更多有效信息的回复。 paper link
0
Personalizing Dialogue Agents I have a dog, do you have pets too?
本文是来自于FAIR的一篇关于个性化chitchat对话系统数据集PERSONA-CHAT的论文，发表于ACL2018，论文主要是创建了一个全新的带有对话双方个性的对话数据集，并提供了一些基线模型。基于此数据集，在NIPS2018上举行了 ConvAI2 评测。 paper linkdataset link
0
Mem2Seq Effectively Incorporating Knowledge Bases into End-to-End Task-Oriented Dialog Systems
本文提出了一个端到端的基于memory network和指针网络的对话生成模型，结合多跳注意力机制和指针网络，从对话历史和词汇表中生成回复。ACL2018paper linkcode link
0
Sequential Attention-based Network for Noetic End-to-End Response Selection && Comparison of Transfer-Learning Approaches for Response Selection in Multi-Turn Conversations
这两篇文章分别来自 DSTC7 评测任务1 Sentence Selection 中排名第一和第二的团队，阿里巴巴达摩院以及Palo Alto研究中心。该任务重点关注了面向目标的对话系统中的回复选择问题，参赛者需要结合给定的对话片段在给出的一组候选回复中选择最符合的一个应答。这两个模型分别属于多轮对话的回复选择中基于序列的方法和基于层次的方法。Sequential Attention-based Network for Noetic End-to-End Response SelectionComparison of Transfer-Learning Approaches for Response Selection in Multi-Turn Conversations
0
Multi-Turn Response Selection for Chatbots with Deep Attention Matching Network
本文是ACL2018上的文章，主要研究对话领域选择回复的问题，作者提出了DAM模型，主要通过stacked self-attention获取不同维度的表征，从而得到self-attention matching matrix和cross-attention matching matrix，取得了不错的效果。paper linkcode link
0
A Knowledge-Grounded Neural Conversation Model
本文在传统的基于数据驱动的对话系统中引入了背景知识，试图增加对话回复的有效信息。AAAI2018paper link
0
Cluster-based Beam Search for Pointer-Generator Chatbot Grounded by Knowledge
本文是Wechat AI团队发表的基于DSTC7中第二个评测Sentence Generation 的论文，发表在AAAI2019上。研究的主要问题是基于背景知识的对话生成，主要通过指针生成机制和注意力机制从对话历史和背景知识中来生成更加有意义的回复。 paper link
0
Commonsense Knowledge Aware Conversation Generation with Graph Attention
本文研究的是基于大规模常识知识图谱的开放域对话系统，作者在传统的encoder-decoder模型中增加静态图注意力和动态图注意力机制。给定用户的一段输入，该模型从常识知识图谱中检索出相关的子图，进行静态图注意力编码，进而增强对用户输入的语义理解。然后在生成的过程中，模型通过动态的图注意力机制与检索出来的知识图谱以及其中的三元组进行交互。与之前的方法相比，本模型是把一个知识图谱看作一个整体，而不是单独的使用图谱中三元组。paper linkcode link