本次会议中,Dialog and Interactive Systems 分了三个 section,分别是 Neural Conversation Models, Task-Oriented Dialog, 和 New Task。

1.神经网络对话模型(Neural Conversation Models)

在给定对话历史的情况下,如何通过模型来选择对话中最优的回答。

(1)X

  • 论文 1:Boosting dialog response generation

  • 作者:WenChao Du,Alan W Black

  • 论文链接:https://www.aclweb.org/anthology/P19-1005

  • 针对对话系统中容易出现的通用和一般性回答,做了些优化来提升生成对话文本的相关性和多样性。

(2)X

  • 论文 2::Do Neural Dialog Systems Use the Conversation History Effectively? An Empirical Study

  • 作者:Chinnadhurai Sankar,Sandeep Subramanian,Christopher Pal,Sarath Chandar,Yoshua Bengio

  • 论文链接:https://www.aclweb.org/anthology/P19-1004

  • 研究现有的神经网络模型是否有效利用了对话历史,其方法,是在对话历史中加入一点扰动,比如,改变对话数据的先后顺序,或者改变词的顺序,然后看模型计算的条件概率是否有变化。

(3)X?小?

  • 论文 3:Constructing Interpretive Spatio-Temporal Features for Multi-Turn Response Selection

  • 作者:Junyu Lu,Chenbin Zhang,Zeying Xie,Guang Ling,Chao Zhou,Zenglin Xu

  • 论文链接:https://www.aclweb.org/anthology/P19-1006

  • 加入时序和空间上的 feature,来解决对话系统中的回复句子的选择问题

(4)X?小?

  • 论文 4:Improving Multi-turn Dialogue Modelling with Utterance ReWriter

  • 作者:Hui Su,Xiaoyu Shen,Rongzhi Zhang,Fei Sun,Pengwei Hu,Cheng Niu,Jie Zhou

  • 论文链接:https://www.aclweb.org/anthology/P19-1003

  • 通过语句改写,来解决多轮对话中信息省略和引用的问题。

(5)OK?

  • 论文 5:Incremental Transformer with Deliberation Decoder for Document Grounded Conversations

  • 作者:Zekang Li,Cheng Niu,Fandong Meng,Yang Feng,Qian Li,Jie Zhou

  • 论文链接:https://www.aclweb.org/anthology/P19-1002

  • 在有文档背景信息的多轮对话中,一种基于 Transformer 的对话生成模型。模型的目标,是输出一个整合了文档知识在内的对话回复

(6)X?

  • 论文 6:One Time of Interaction May Not Be Enough: Go Deep with an Interaction-over-Interaction Network for Response Selection in Dialogues

  • 作者:Chongyang Tao,Wei Wu,Can Xu,Wenpeng Hu,Dongyan Zhao,Rui Yan

  • 论文链接:https://www.aclweb.org/anthology/P19-1001

  • 提出了一个基于检索的深度交互对话模型,来解决现有模型中,对 对话交互信息 利用较浅的问题。

2.任务导向的对话(Task-Oriented Dialog)

如何优化涉及到任务的对话。通常,任务式对话里面包含有领域和意图的分类,槽位的挖掘和填充等。

(7)OK?

  • 论文 7:Constrained Decoding for Neural NLG from Compositional Representations in Task-Oriented Dialog

  • 作者:Anusha Balakrishnan,Jinfeng Rao,Kartikeya Upasani,Michael White,Rajen Subba

  • 论文链接:https://www.aclweb.org/anthology/P19-1080

  • 提出了一种新的树形结构,来更好的表示 Mean Represention(MR)
  • MR 是一个 key-value 的列表,其中 key 是槽名(slot),value 是槽对应的值。传统的 MR 表示,是扁平的,因而会丢失槽之间的评论关系。
  • 任务:天气

(8)X?大?

  • 论文 8:Learning End-to-End Goal-Oriented Dialog with Maximal User Task Success and Minimal Human Agent Use

  • 作者:Janarthanan Rajendran, Jatin Ganhotra, Lazaros C Polymenakos

  • 论文链接:https://arxiv.org/pdf/1808.09996.pdf

  • 提出了一个端到端的训练方法,来识别新的用户行为,以便转交给人工处理,在转交的过程中,要考虑移交的成功率和人工的工作量之间的平衡;同时也能从人工的反馈中学习如何处理这种新的用户行为,更新模型,用于将来的处理。

(9)X?

  • 论文 9:Multi-Task Networks with Universe, Group, and Task Feature Learning

  • 作者:Shiva Pentyala, Mengwen Liu, Markus Dreyer

  • 论文链接:https://arxiv.org/pdf/1907.01791.pdf

  • 提出了并行网络和串行网络两种多任务学习的结构,并应用在虚拟助手(virtual assistants)的多领域自然语言理解中。

(10)OK

  • 论文 10:OpenDialKG: Explainable Conversational Reasoning with Attention-based Walkers over Knowledge Graphs

  • 作者:Seungwhan Moon, Pararth Shah, Anuj Kumar, Rajen Subba

  • 论文链接:https://www.aclweb.org/anthology/P19-1081

  • 对话系统和知识图谱(knowledge graph)结合起来

(11)X?

  • 论文 11:Transferable Multi-Domain State Generator for Task-Oriented Dialog Systems

  • 作者:Chien-Sheng Wu,Andrea Madotto,Ehsan Hosseini-Asl,Caiming Xiong,Richard Socher,Pascale Fung

  • 论文链接:https://www.aclweb.org/anthology/P19-1078

  • 针对 multi-domain 的 DST,提出了一个可迁移的对话状态生成器 Trade(transferable dialogue state generator)。

3.新任务(New Task)

对话系统的一些新的形式,比如引入对话外的额外信息,或者在某些特定领域,比如慈善或医疗领域的新模型和新应用。

(12)X

  • 论文 12:Multimodal Transformer Networks for End-to-End Video-Grounded Dialogue Systems

  • 作者:Hung Le,Doyen Sahoo,Nancy F. Chen,Steven C.H. Hoi

  • 论文链接:https://www.aclweb.org/anthology/P19-1564

  • 在生成对话回复中,除了考虑文本信息,还要考虑相关联的视频信息,称为 Video-Grounded Dialog System(VGDS)。

(13)OK?

  • 论文 13:Target-Guided Open-Domain Conversation

  • 作者:Jianheng Tang,Tiancheng Zhao,Chenyan Xiong,Xiaodan Liang,Eric P. Xing,Zhiting Hu

  • 论文链接:https://www.aclweb.org/anthology/P19-1565

  • 如何在一个开放的对话聊天中,将对话引向一个特定的目标

(14)X

  • 论文 14:Persuasion for Good:Towards a Personalized Persuasive Dialog System for Social Good

  • 作者:Xuewei Wang,Weiyan Shi,Richard Kim,Yoojung Oh,Sijia Yang,Jingwen Zhang,Zhou Yu

  • 论文链接:https://www.aclweb.org/anthology/P19-1566

  • 如何在对话中采用不同的劝说策略,来劝说人们对慈善机构进行捐助。侧重点,其实不在模型方面,而是在数据集的收集整理方法上。

(15)X

  • 论文 15:Improving Neural Conversational Models with Entropy-Based Data Filtering

  • 作者:Richard Csaky,Patrik Purgai,Gabor Recski

  • 论文链接:https://www.aclweb.org/anthology/P19-1567

  • 通过数据集的优化,来提升开放式对话模型的效果。通过剔除掉具有高熵值的对话语句,来修正数据集,进而提升对话系统的性能。

(16)X

  • 论文 16:标题:Observing Dialogue in Therapy: Categorizing and Forecasting Behavioral Codes

  • 作者:Jie Cao,Michael Tanana,Zac E. Imel,Eric Poitras,David C. Atkins,Vivek Srikumar

  • 论文链接:https://www.aclweb.org/anthology/P19-1563

  • 针对心理治疗领域,提出了两个分类模型,在治疗师和患者的对话中帮助治疗师。本文的模型,没有去生成对话的回复,而是对已有的当前轮次的语句,和接下来可能出现的语句的标签进行分类和预测。

 

 

参考:

https://www.sohu.com/a/333666460_129720

http://www.ijiandao.com/2b/baijia/305140.html

posted on 2020-05-16 15:46  西伯尔  阅读(400)  评论(0编辑  收藏  举报