Loading...
机构名称:
¥ 1.0

从外部知识库中检索适当的记录以产生信息的响应是端到端面向任务对话系统(ETODS)的核心capabil。大多数现有方法还训练检索模型或使用内存网络来检索知识基础,该基础将知识检索任务与响应生成任务取消,因此很难共同优化并且无法捕获两个任务之间的内部关系。在本文中,我们为任务为导向的对话系统提出了一个简单而统一的生成模型,该模型将ETODS任务重新铸造为单个序列生成任务,并使用最大的似然培训以统一的方式训练这两个任务。为了防止生成不存在的记录,我们设计了前缀Trie来限制模型生成,从而确保生成的记录与知识基础中的现有记录之间的一致性。三个公共基准数据集的实验结果表明,我们的方法在生成系统响应并胜过基线系统方面实现了强大的表现。为了促进该领域的未来研究,可以在https://github.com/dzy1011/uni-tod上获得该代码。

端到...

端到...PDF文件第1页

端到...PDF文件第2页

端到...PDF文件第3页

端到...PDF文件第4页

端到...PDF文件第5页

相关文件推荐

2024 年
¥1.0
2025 年
¥1.0
2024 年

...

¥5.0
2024 年
¥1.0
2023 年
¥1.0
2024 年

...

¥1.0
2023 年
¥1.0
2025 年

...

¥1.0
2025 年

...

¥1.0
2024 年
¥8.0
2023 年
¥1.0
2024 年
¥1.0
2024 年

...

¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥2.0
2024 年
¥1.0
2024 年

...

¥1.0
2024 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
2024 年
¥1.0
2024 年

...

¥4.0
2024 年
¥1.0