首页/论文/1804.06705

arXiv 1804.067052018-04-18cs.CL

Alquist：Alexa Prize社交机器人

Alquist: The Alexa Prize Socialbot

FEE, CTU Prague（捷克理工大学电气工程学院）；CIIRC, CTU Prague（捷克理工大学捷克信息学、机器人学与控制论研究所）

Jan Pichl, Petr Marek, Jakub Konrád, Martin Matulík, Hoang Long Nguyen, Jan Šedivý

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文介绍了一个新的开放域对话系统Alquist开发的Alexa奖竞争的亚马逊回声线的产品的一部分。Alquist对话系统旨在就流行话题进行连贯和引人入胜的对话。我们提出了一个混合系统结合几个机器学习和基于规则的方法。我们讨论和描述了Alquist管道，数据采集，和处理，对话管理器，NLG，知识聚合和层次结构的子对话。我们提出了一些实验结果。

英文摘要：

This paper describes a new open domain dialogue system Alquist developed as part of the Alexa Prize competition for the Amazon Echo line of products. The Alquist dialogue system is designed to conduct a coherent and engaging conversation on popular topics. We are presenting a hybrid system combining several machine learning and rule based approaches. We discuss and describe the Alquist pipeline, data acquisition, and processing, dialogue manager, NLG, knowledge aggregation and hierarchy of sub-dialogs. We present some of the experimental results.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Alquist 2.0：基于子对话模型的Alexa Prize社交机器人

Alquist 2.0: Alexa Prize Socialbot Based on Sub-Dialogue Models

FEE, CTU Prague（捷克理工大学电气工程学院）；CIIRC, CTU Prague（捷克理工大学捷克信息学、机器人与控制论研究所）

本文介绍了名为Alquist的对话系统的第二个版本，该系统将参加2018年亚马逊Alexa奖。我们介绍了一个系统，利用基于本体的主题结构称为主题节点。每个节点由若干子对话组成，每个子对话都有自己的基于LSTM的对话管理模型。子对话可以根据主题层次结构或用户意图触发，这允许机器人在每个会话期间创建独特的体验。

2020-11-06cs.CL

Alquist 3.0：使用会话知识图谱的Alexa Prize Bot

Alquist 3.0: Alexa Prize Bot Using Conversational Knowledge Graph

Faculty of Electrical Engineering, CTU Prague（捷克理工大学电气工程学院）；CIIRC, CTU Prague（捷克理工大学捷克信息学、机器人学和控制论研究所）

在Alexa Prize 2020竞赛中开发的开放域对话系统Alquist的第三个版本旨在就流行话题进行连贯和引人入胜的对话。主要的新贡献是引入了一个系统，利用基于会话知识图谱和邻接对的创新方法。会话知识图谱允许系统在随后的回合中和跨会话利用在对话期间表达的知识。对话邻接对将对话划分为小的对话结构，这些对话结构可以组合，并允许系统灵活地对各种用户输入做出反应。我们讨论和描述Alquist的管道，数据采集和处理，对话管理器，NLG，知识聚合，和层次结构的邻接对。我们提出的系统的各个部分的实验结果。

2020-11-06cs.CL

Alquist 4.0：使用生成模型和对话个性化实现社会智能

Alquist 4.0: Towards Social Intelligence Using Generative Models and Dialogue Personalization

Faculty of Electrical Engineering, CTU Prague（布拉格捷克理工大学电气工程学院）；CTU Medialab（布拉格捷克理工大学媒体实验室）；DTU Compute, Technical University of Denmark（丹麦技术大学计算学院）；CIIRC, CTU Prague（布拉格捷克理工大学人工智能、机器人与控制论研究所）

开放域-对话系统Alquist的目标是进行连贯和引人入胜的对话，可以被认为是社会智力的基准之一。该系统的第四个版本是在Alexa Prize Socialbot Grand Challenge 4中开发的，带来了两个主要创新。第一个解决连贯性，第二个解决对话的连贯性。对于创新的一致性，我们提出了一种新的混合方法相结合的手设计的反应和生成模型。所提出的方法利用手工设计的对话，域外检测，和神经反应发生器。手工设计的对话引导用户完成高质量的对话流程。域外检测识别出用户偏离了预定义的流，并防止系统产生可能对意外的用户输入没有意义的脚本响应。最后，神经响应生成器基于对话的上下文生成响应，该响应正确地对意外的用户输入做出反应，并将对话返回到手动设计的对话的边界。我们提出的创新参与，主要是受到著名的探索-开发困境的启发。为了与对话伙伴进行一次引人入胜的对话，你必须了解他们的偏好和兴趣--探索。此外，为了吸引合作伙伴，我们必须利用我们已经学到的知识-剥削。在这项工作中，我们提出的原则和内部运作的开放域的对话系统Alquist开发的Alexa奖Socialbot大挑战4和实验，我们已经进行了评估。

2021-09-16cs.AIcs.CL

让我们变得个人化：个人问题提高了SocialBot在Alexa Prize中的表现

Let's Get Personal: Personal Questions Improve SocialBot Performance in the Alexa Prize

University of California, Santa Cruz（加州大学圣克鲁兹分校）

人们越来越关注在口语对话社区中创建会话开放域对话系统。与传统的对话系统不同，这些对话系统不能假设任何特定的信息需求或域限制，即，唯一的固有目标是与用户就未知的主题集合进行交谈。虽然自然语言理解（NLU）的大规模改进和可用知识资源的增长可以部分支持强大的对话，但这些对话通常缺乏两个相互认识的人之间的融洽关系。我们开发了一个强大的开放域会话系统Athena，真正的Amazon Echo用户可以在Alexa Prize竞赛的背景下大规模访问和评估。我们实验的方法，旨在增加雅典娜和用户之间的亲密关系，通过开发一个基于规则的用户模型，个性化的当前和随后的对话和评估具体的个人意见问题的策略，在A/B研究。我们的研究结果表明，采用这些策略时，感知的对话质量和长度的统计显着的积极影响。

2023-03-09cs.CLcs.HC

Tartan：基于检索的社交机器人，由动态有限状态机架构提供支持

Tartan: A retrieval-based socialbot powered by a dynamic finite-state machine architecture

Carnegie Mellon University（卡内基梅隆大学）

本文描述了为2018年Alexa Prize竞赛构建的Tartan会话代理。Tartan是一个非目标导向的社交机器人，专注于为用户提供一个吸引人的和流畅的休闲对话。Tartan的主要特点包括强调基于灵活的有限状态模型的结构化对话，以及专注于理解和使用对话行为的方法。为了提供引人入胜的对话，Tartan将脚本般的动态响应与基于数据的生成和检索模型相结合。Tartan的独特之处在于我们的对话管理器被建模为动态有限状态机。据我们所知，没有其他会话代理实现遵循这种特定的结构。

2018-12-04cs.AIcs.CL

Viola：一个与主题无关的生成和排序对话系统

Viola: A Topic Agnostic Generate-and-Rank Dialogue System

University of Southern California（南加州大学）

我们提出了中提琴，一个开放域的对话系统口语对话，使用一个简单的生成和排名的方法的基础上的主题不可知的对话管理器。利用由大语言模型驱动的生成对话系统的最新进展，Viola从使用不同数据集和知识基础输入训练的各种神经对话模型中提取了一批响应候选者。还考虑源自基于模板的生成器的附加响应，这取决于用户的输入和检测到的实体。手工制作的生成器建立在动态知识图谱上，注入了从网络上抓取的丰富内容，并每天自动处理。Viola的响应排序器是一个微调的polyencoder，它根据对话历史选择最佳响应。虽然单独为polyencoder提供专用注释可以间接引导它避免选择有问题的响应，但我们添加了基于规则的安全网来检测神经退化，并添加了专用分类器来过滤掉攻击性内容。我们分析了Viola参加Alexa Prize Socialbot Grand Challenge 4的对话，并讨论了我们方法的优点和缺点。最后，我们建议未来的工作重点是专门为社交机器人管理会话数据，这将有助于建立一个更强大的数据驱动的社交机器人。

2021-08-25cs.CL

更多相关论文收起更多论文

Alexa，让我们一起工作：介绍第一个Alexa Prize TaskBot对话任务协助挑战赛

Alexa, Let's Work Together: Introducing the First Alexa Prize TaskBot Challenge on Conversational Task Assistance

自2016年成立以来，Alexa Prize计划已使数百名大学生能够通过SocialBot Grand Challenge探索和竞争开发会话代理。该挑战的目标是构建能够与人类就热门话题进行连贯和友好对话的智能体，同时达到至少4.0/5.0的平均评分。然而，随着会话代理试图帮助用户完成越来越复杂的任务，需要新的会话人工智能技术和评估平台。Alexa Prize TaskBot挑战赛成立于2021年，以SocialBot挑战赛的成功为基础，引入了交互式协助人类完成真实世界烹饪和自己动手任务的要求，同时利用语音和视觉模式。这一挑战要求任务机器人识别和理解用户的需求，识别任务和领域知识并将其整合到交互中，并开发新的方式来吸引用户，而不会分散他们对手头任务的注意力。本文概述了TaskBot挑战，描述了CoBot工具包为团队提供的基础设施支持，并总结了参与团队克服研究挑战的方法。最后，它分析了竞争任务机器人在第一年的比赛中的表现。

2022-09-13cs.AIcs.CLcs.HC

Edina：构建具有自对话的开放域社交机器人

Edina: Building an Open Domain Socialbot with Self-dialogues

我们介绍了爱丁堡大学的社交机器人Alexa，用于亚马逊Alexa Prize竞赛。Repla是一个会话代理，其响应通过我们称之为自我对话的创新新技术利用从Amazon Mechanical Turk（AMT）收集的数据。在这些对话中，一个AMT工作者扮演对话中的两个参与者。这样的对话是令人惊讶的自然，有效地收集和反映相关和/或趋势的主题。这些自对话为生成神经网络提供训练数据，并为匹配评分组件使用的软规则提供基础。软规则对用户话语的每一个匹配与一个置信度得分，我们显示是强烈的答复质量的指示，允许这个组件进行自我审查，并有效地与其他组件集成。Edina的完整架构具有基于规则的系统，可退回到匹配分数，退回到生成式神经网络。因此，我们的混合数据驱动方法解决了严格基于规则的方法的覆盖范围限制和缺乏严格机器学习方法的保证。

2017-09-28cs.AIcs.CL

Athena 2.0：Alexa Prize SocialBot的情境化对话管理

Athena 2.0: Contextualized Dialogue Management for an Alexa Prize SocialBot

University of California Santa Cruz（加州大学圣克鲁兹分校）

Athena 2.0是一款Alexa Prize SocialBot，在过去两届Alexa Prize Grand Challenges中入围决赛。Athena成功的一个原因是其新颖的对话管理策略，该策略允许它动态地从组件模块构建对话和响应，从而在每次交互中都产生新颖的对话。在这里，我们描述雅典娜的系统设计和性能在Alexa奖在20/21比赛。Athena的现场演示以及视频记录将引发对对话式AI最新技术的讨论。

2021-11-03cs.CL

对话式AI：Alexa奖背后的科学

Conversational AI: The Science Behind the Alexa Prize

Amazon Alexa Prize（亚马逊Alexa奖）

会话型代理人正迅速流行起来。然而，在社交会话领域以及广泛领域和主题的自由形式会话方面仍有许多工作要做。为了推动对话人工智能的发展，亚马逊推出了Alexa Prize，这是一项价值250万美元的大学竞赛，16个选定的大学团队面临挑战，以构建被称为社交机器人的对话代理，与人类就体育，政治，娱乐，时尚和技术等热门话题进行连贯和友好的对话20分钟。Alexa Prize为学术界提供了一个独特的机会，可以使用数百万用户使用的实时系统进行研究。该竞赛为大学团队提供了大规模的真实用户会话数据，以及用户提供的评分和反馈，并由Alexa团队进行注释。这使团队能够在整个比赛中有效地进行评估和改进，同时通过实时用户交互进行实时评估。为了构建他们的社交机器人，大学团队将最先进的技术与自然语言理解、上下文建模、对话管理、响应生成和知识获取等领域的新颖策略相结合。为了支持参赛团队的努力，Alexa Prize团队进行了大量的科学和工程投资，以构建和改进对话语音识别、主题跟踪、对话评估、语音用户体验以及流量管理和可扩展性工具。本文概述了大学团队和Alexa Prize团队为实现解决对话式AI问题的共同目标所取得的进展。

2018-01-11cs.AIcs.CLcs.CY

一种基于transformer的开放域口语会话应答评估器

A Transformer-based Response Evaluator for Open-Domain Spoken Conversation

Amazon Alexa AI（亚马逊Alexa人工智能部门）；UCSC（加州大学圣克鲁兹分校）

许多开放域对话系统依赖于多个响应生成器，其中任何一个都可以在特定上下文中对对话做出响应。因此，比较潜在响应并选择最佳响应的能力在确保对话系统连贯且引人入胜方面发挥着重要作用。对话的连贯性不仅仅是停留在主题上-有些琐事可能是在主题上，在突然提到时很吸引人，但在对话的背景下可能不连贯和不连贯。我们在Athena系统中进行响应选择实验，该系统是Alexa Prize SocialBot，具有专用内容和针对大量主题的多个特定主题响应生成器。首先，我们收集了一个语料库的雅典娜对话与现场人类交通，其中所有启用的响应生成器的潜在响应被记录，并随后注释响应质量。我们比较了几个现成的开放域对话的响应排名方法，雅典娜启发式，启发式响应排名，在雅典娜在第三届Alexa奖比赛中进行了现场测试。我们还将这些与基于transformer的响应排名器进行比较，我们称之为Athena-RR，我们在Athena对话中进行训练。Athena-RR使用会话上下文和对话状态来对潜在的响应进行排名。我们发现，具有70.79\%的Recall@1的Athena-RR大幅优于Athena-Heuristic和所有现成的排名器。然后，我们进行了一项现场A/B研究，在与Alexa用户的6，358次对话中比较了Athena-Heuristic和Athena-RR。我们表明，雅典娜RR导致显着更长的对话，获得显着更高的用户评级比启发式…

2023-02-09cs.CL

通过Alexa Prize推进开放领域对话系统的最新技术

Advancing the State of the Art in Open Domain Dialog Systems through the Alexa Prize

Amazon（亚马逊）

构建开放域对话系统，允许用户就他们选择的主题进行引人入胜的对话是一项具有挑战性的任务。Alexa Prize于2016年推出，旨在解决实现自然，持续，连贯和引人入胜的开放领域对话的问题。在2018年的第二轮比赛中，大学团队通过在对话模型中使用上下文，利用知识图谱进行语言理解，处理复杂的话语，构建统计和分层对话管理器，以及利用用户响应的模型驱动信号来推进最先进的技术。2018年的比赛还包括为参赛者提供一套工具和模型，包括CoBot（会话机器人）工具包，主题和对话行为检测模型，对话评估器和敏感内容检测模型，以便参赛团队可以专注于构建知识丰富，连贯和引人入胜的多轮对话系统。本文概述了大学团队和Alexa Prize团队为实现推进对话式人工智能科学的共同目标而取得的进展。我们解决了几个关键的开放式问题，如会话语音识别，开放域自然语言理解，常识推理，统计对话管理，对话评估。这些合作努力使Alexa用户的体验得到了改善，平均评分为3.61分，中位持续时间为2分18秒，平均回合数为14.6，自2018年比赛启动以来分别增长了14%，92%和54%。对于会话语音识别，自Alexa Prize推出以来，我们的相对单词出错率提高了55%，相对实体出错率提高了34%。Socialbots在2018年的质量改善速度明显加快，部分原因是CoBot工具包的发布。

2018-12-27cs.AIcs.CL

Slugbot：一种新型可扩展的开放域社交机器人框架的应用

Slugbot: An Application of a Novel and Scalable Open Domain Socialbot Framework

University of California Santa Cruz（加州大学圣克鲁兹分校）

在本文中，我们介绍了一种新颖的，开放域的社交机器人为亚马逊Alexa奖比赛，旨在进行友好的对话与用户的各种主题。我们提出了我们的模块化系统，突出我们不同的数据源，以及我们如何使用人类的头脑作为数据管理的模型。此外，我们还构建和使用自然语言理解和信息检索工具和API来扩展我们的知识库。我们描述了我们的半结构化，可扩展的框架，用于制作特定主题的对话流，并详细介绍了我们的对话管理计划和评分机制。最后，我们简要地评估了我们的系统的性能，并观察到一个开放域的socialbot所面临的挑战。

2018-01-04cs.CLcs.HC

利用因果推理模型改进开放域对话评价

Improving Open-Domain Dialogue Evaluation with a Causal Inference Model

Duke University（杜克大学）；Amazon Alexa AI（亚马逊Alexa人工智能部门）

有效的评估方法仍然是开放域会话对话系统研究的一个重大挑战。明确的满意度评级可以从用户那里得到，但是用户在被询问时通常不会提供评级，并且他们给出的评级可能是高度主观的。专家的事后评分是一种选择，但这些都是昂贵的和复杂的收集。在这里，我们探索创建自动化的方法来预测专家和用户的开放域对话的评级。我们比较了四种不同的方法。首先，我们使用端到端的Transformer来训练一个基线模型，以直接从原始对话文本预测评级。其他三种方法是两阶段方法的变体，其中我们首先在回合级别提取可解释的特征，这些特征在其他方面捕获用户对话行为，这些行为表示矛盾、重复、不感兴趣、赞美或批评。我们将这些功能投射到对话级别，并训练对话级别的MLP回归模型，对话级别的LSTM和一种称为反事实LSTM（CF-LSTM）的新型因果推理模型来预测评级。所提出的CF-LSTM是一个基于回合水平特征的序列模型，它使用多个回归变量来预测收视率，这些回归变量取决于从回合水平特征中得出的假设。作为一种因果推理模型，CF-LSTM旨在学习特定事件的潜在原因，例如低评级。我们还将用户评级与所有四种模型进行分类实验。在Alexa Prize SocialBot的对话数据的评估实验中，我们表明CF-LSTM在预测对话评级和分类方面取得了最佳性能。

2023-01-31cs.AIcs.CL

神经生成满足真实的人：走向主动参与混合主动对话

Neural Generation Meets Real People: Towards Emotionally Engaging Mixed-Initiative Conversations

Stanford NLP（斯坦福自然语言处理实验室）

我们将开放域对话代理Chirpy Cardinal作为2019年Alexa Prize竞赛的研究平台。构建一个开放领域的社交机器人，与真实的人交谈是具有挑战性的-这样的系统必须满足多种用户期望，如广泛的世界知识，对话风格和情感联系。我们的社交机器人按照用户的要求与他们互动-优先考虑他们的兴趣、感受和自主权。因此，我们的社交机器人提供了一个响应式的、个性化的用户体验，能够明智地谈论各种各样的话题，也能同情地谈论日常生活。神经生成在实现这些目标中起着关键作用，为我们的对话和情感基调提供了支柱。在比赛结束时，Chirpy Cardinal以3.6/5.0的平均评分进入决赛，平均对话持续时间为2分16秒，90%的持续时间超过12分钟。

2020-09-05cs.AIcs.CL

Athena 2.0：开放域对话中的话语与用户建模

Athena 2.0: Discourse and User Modeling in Open Domain Dialogue

University of California, Santa Cruz（加州大学圣克鲁兹分校）

本文介绍了 Athena 2.0，一个用于 Amazon Socialbot Grand Challenge 4 的开放域社交对话智能体，其核心贡献是结合知识驱动的话语模型和用户模型，通过跟踪实体链接来优化命名实体识别与共指消解，并实现个性化话题选择。

2023-08-03cs.CL

神经生成满足真实的人：建立一个社会，信息开放领域的对话代理

Neural Generation Meets Real People: Building a Social, Informative Open-Domain Dialogue Agent

Stanford NLP（斯坦福大学自然语言处理组）

我们介绍Chirpy Cardinal，一个开放域的社交聊天机器人。为了既能提供信息又能进行对话，我们的机器人以一种真实的、情感智能的方式与用户聊天。通过将受控神经生成与脚手架手写对话相结合，我们让用户和机器人轮流驱动对话，产生一种引人入胜的社交流畅体验。在Alexa Prize Socialbot Grand Challenge的第四次迭代中，Chirpy Cardinal每天处理数千次对话，在9个机器人中排名第二，平均用户评分为3.58/5。

2023-01-17cs.CL