KdConv: A Chinese Multi-domain Dialogue Dataset Towards Multi-turn Knowledge-driven Conversation
Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
知识驱动的会话系统的研究在很大程度上是有限的，由于缺乏对话数据，包括多轮对话的多个主题和知识注释。本文提出了一个基于知识驱动的中文多领域会话数据集KdConv，它将多轮会话中的话题建立在知识图谱上。我们的语料库包含来自三个领域（电影，音乐和旅行）的4.5K对话和86K话语，平均回合数为19.0。这些对话包含对相关主题的深入讨论以及多个主题之间的自然过渡。为了便于对该语料库的后续研究，我们提供了几个基准模型。对比结果表明，背景知识的引入可以增强模型的性能，但利用背景知识对多话轮会话进行建模仍有很大的研究空间。研究结果还表明，不同领域的学习效果存在明显差异，表明迁移学习和领域自适应值得进一步探索。语料库和基准模型是公开的。
2020-04-08 cs.AI cs.CL
Exploiting Pseudo Future Contexts for Emotion Recognition in Conversations
Peking University（北京大学）；Meituan Group（美团集团）；National Engineering Research Center for Software Engineering, Peking University（北京大学软件工程国家工程研究中心）
针对对话情感识别中未来上下文不可用的问题，提出利用预训练语言模型生成伪未来上下文，并与历史上下文融合的简单框架，实验证明其性能优越且能部分媲美真实未来上下文。
2023-06-27 cs.CL
A Corpus of Controlled Opinionated and Knowledgeable Movie Discussions for Training Neural Conversation Models
University of Potsdam（波茨坦大学）；Volkswagen AG（大众汽车公司）
众所周知，用于非目标导向对话的完全数据驱动的聊天机器人在其回合中存在不一致的行为，这是由于控制参数（如其假设的背景个性和事实知识）存在普遍困难。其中一个原因是相对缺乏标记数据，从这些数据中可以学习个性一致性和事实使用以及对话行为。为了解决这个问题，我们在电影讨论领域引入了一个新的标记对话数据集，其中每个对话都基于预先指定的事实和观点。我们彻底验证了收集的对话，以确保参与者遵守其既定的事实和观点，并发现这方面的总体质量很高。这个过程还为我们提供了一个额外的注释层，这对训练模型可能很有用。我们引入了一个基于这些数据训练的端到端训练的自我注意解码器模型作为基线，并表明它能够生成被认为是自然和知识渊博的固执己见的反应，并表现出注意力。
2020-03-30 cs.CL
Stance Classification for Rumour Analysis in Twitter: Exploiting Affective Information and Conversation Structure
University of Turin（都灵大学）
分析人们对社交媒体中与新闻相关的谣言的反应是防止错误信息传播的一项重要任务，这一点现在被广泛认为是一种危险的趋势。在社交媒体对话中，用户对谣言故事表现出不同的立场和态度。一些用户采取明确的立场，支持或否认有争议的谣言，而其他人只是评论它，或要求提供与谣言真实性有关的额外证据。在这方面，SemEval-2017提出了一个新的共享任务（任务8，子任务A），重点是英语推文中的谣言立场分类。其目标是预测用户对Twitter中出现的谣言的立场，包括支持，否认，查询或评论原始谣言，查看谣言引发的对话线程。本文介绍了一种新的方法来完成这项任务，其中使用的会话为基础的和情感为基础的功能，涵盖不同方面的影响，进行了探索。我们的分类模型在SemEval-2017任务8中的立场分类性能优于表现最好的系统，显示了所提出的特征集的有效性。
2019-01-07 cs.CL
Advancing an Interdisciplinary Science of Conversation: Insights from a Large Multimodal Corpus of Human Speech
BetterUp Inc.（BetterUp公司）；University of Pennsylvania（宾夕法尼亚大学）；DrivenData Inc.（DrivenData公司）
人们一生中有很大一部分时间都在进行对话，但我们对对话的科学理解仍处于起步阶段。在这份报告中，我们提出了一个跨学科的科学对话，从一个大型的，新颖的，多模态语料库的1,656个记录的英语口语对话的结果。这个超过700万字，850小时的语料库总计超过1 TB的音频，视频和成绩单，以及对语音，面部和语义表达的即时测量，以及对说话者对话后反思的广泛调查。我们利用语料库的相当大的范围来（1）扩展文献中的关键发现，例如人类话轮转换的合作性;（2）定义用于将语音分割为会话话轮的新颖算法程序;（3）将机器学习见解应用于各种文本，听觉和视觉特征，以分析是什么使会话成功或失败;（4）探索对话与整个生命周期的幸福感之间的关系。我们还报告（5）一份综合的混合方法报告，基于对每个记录的定量分析和定性审查，展示了来自不同背景的个人如何改变他们的沟通模式，并找到联系的方法。最后，我们讨论了这个大规模的公共数据集如何为未来的研究提供新的方向，特别是跨学科的界限，因为来自各个领域的学者对对话的研究越来越感兴趣。
2022-03-01 cs.CL cs.CY
Stance Classification in Rumours as a Sequential Task Exploiting the Tree Structure of Social Media Conversations
University of Warwick（华威大学）；University of Sheffield（谢菲尔德大学）
谣言立场分类，即确定讨论谣言的集合中的每条推文是支持，否认，质疑还是简单地评论谣言的任务，一直吸引着大量的兴趣。在这里，我们介绍了一种新的方法，利用在Twitter的树结构的会话线程中观察到的转换序列。会话线程是通过收集用户对彼此的回复而形成的，这导致了嵌套的树状结构。以前的工作解决的立场分类任务处理每个鸣叫作为一个单独的单元。在这里，我们分析推文凭借其在序列中的位置，并测试两个顺序分类，线性链CRF和树CRF，其中每一个使不同的假设的会话结构。我们用8个Twitter数据集进行了实验，这些数据集是在突发新闻期间收集的，结果表明，利用Twitter对话的顺序结构比非顺序方法有了显着的改进。我们的工作是第一个以这种方式将Twitter对话建模为树结构，引入了一种新的方式来处理Twitter对话上的NLP任务。
2016-10-11 cs.CL cs.SI
Exploiting Persona Information for Diverse Generation of Conversational Responses
Harbin Institute of Technology（哈尔滨工业大学）；Peng Cheng Laboratory（鹏城实验室）；iFLYTEK Research（科大讯飞研究院）
在人类对话中，由于他们的个性，人们可以很容易地进行和保持对话。将具有人物角色信息的会话上下文赋予聊天机器人，如何利用这些信息来生成多样化和可持续的会话仍然是一项重要的任务。以前的工作基于人物的会话模型成功地利用预定义的人物信息，并在提供更现实的反应表现出很大的希望。它们都是在这样的假设下学习的，即给定一个源输入，只有一个目标响应。然而，在人类对话中，对于给定的输入信息有大量适当的反应。在本文中，我们提出了一个内存增强的架构，利用上下文的人物信息，并将条件变分自编码器模型一起产生多样化和可持续的对话。我们在基准人物聊天数据集上评估了所提出的模型。自动和人工评估都表明，与基线方法相比，我们的模型可以提供更多样化、更吸引人的基于人物角色的响应。
2019-05-29 cs.AI cs.CL
LLAMAPIE: Proactive In-Ear Conversation Assistants
Paul G. Allen School of Computer Science & Engineering, University of Washington（保罗·G·阿伦计算机科学与工程学院，华盛顿大学）；Allen Institute for Artificial Intelligence（阿伦人工智能研究所）
本研究推出首款实时主动式入耳对话助手LlamaPIE，通过双模型流水线实现后台情境感知辅助，经实验与用户研究验证其效果优于无辅助方案与反应式模型，可有效提升实时对话体验。
2025-07-29 cs.CL cs.HC cs.LG
CUE-Mem: Benchmarking Long-Term User Memory via Implicit Cues in Multimodal Conversations
CUE-Mem是一个多模态基准，通过隐式线索评估长期用户记忆，包含2674个问题和四个任务，发现保留细微线索是主要瓶颈，并测试了文本化与原生多模态访问的效果。
2026-09-29 cs.AI cs.CL
Exploiting Multi-Modal Features From Pre-trained Networks for Alzheimer's Dementia Recognition
Seoul National University（首尔大学）
收集和访问大量的医疗数据是非常耗时和费力的，不仅因为难以找到特定的患者，而且还因为需要解决患者病历的保密性。另一方面，有深度学习模型，在容易收集的大规模数据集上训练，如Youtube或维基百科，提供有用的表示。因此，利用这些预先训练的网络的特征来处理手头的少量数据是非常有利的。在这项工作中，我们利用从预先训练的网络中提取的各种多模态特征，使用神经网络识别阿尔茨海默氏症痴呆症，并在INTERSPEECH 2020的ADReSS挑战赛中提供了一个小数据集。挑战在于通过提供声学和文本数据来辨别怀疑阿尔茨海默氏症的患者。利用多模态特征，我们修改了基于卷积递归神经网络的结构，以同时执行分类和回归任务，并且能够计算具有可变长度的会话。我们的测试结果超过基线的准确率为18.75%，我们的回归任务的验证结果表明，分类4类认知障碍的准确率为78.70%的可能性。
2021-03-03 cs.CL cs.LG cs.SD
Dr. Summarize: Global Summarization of Medical Dialogue by Exploiting Local Structures
Stanford University（斯坦福大学）；Curai
理解患者和医生之间的医学对话提出了独特的自然语言理解挑战，因为它将标准开放式对话的元素与需要专业知识和医学知识的非常领域特定的元素相结合。医疗会话的摘要是医疗会话理解的一个特别重要的方面，因为它解决了医疗实践中的一个非常真实的需求：捕获医疗遇到的最重要的方面，以便它们可以用于医疗决策和后续跟进。在本文中，我们提出了一种新的方法来医疗会话摘要，利用独特的和独立的本地结构时，收集病人的病史。我们的方法是指针生成器网络的一个变体，我们在生成器分布上引入了惩罚，并且我们明确地对否定进行建模。该模型还捕获了医学对话的重要属性，例如来自标准化医学本体的医学知识，而不是显式引入这些概念。通过医生的评估，我们表明，我们的方法是首选的两倍数量的摘要的基线指针生成器模型，并捕捉大部分或所有的信息，在80%的对话，使其成为一个现实的替代昂贵的手动总结的医疗专家。
2020-09-18 cs.AI cs.CL cs.LG
Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure
Fudan University（复旦大学）；The Hong Kong Polytechnic University（香港理工大学）
每天都会产生大量的在线对话，因此迫切需要理解对话。作为构建讨论的基础，我们识别了会话话语中的回应关系，这些关系将回应话语与其启动联系起来。为了弄清楚谁回应谁，在这里，我们探讨如何主题内容的一致性和话语角色的依赖性表明这样的互动，而大多数以前的工作忽略了潜在因素的影响，潜在的单词出现。我们提出了一个模型来学习潜在的主题和话语分布，并预测成对的启动-响应链接，通过利用主题一致性和话语依赖。对中英文会话的实验结果表明，我们的模型明显优于先前的艺术状态，如79对73 MRR的中文客户服务对话。我们进一步探讨我们的输出，并阐明如何主题和话语表明会话用户交互。
2021-04-17 cs.CL
Thinking Globally, Acting Locally: Distantly Supervised Global-to-Local Knowledge Selection for Background Based Conversation
University of Amsterdam（阿姆斯特丹大学）；Shandong University（山东大学）
已经引入了基于背景的对话（BBCs）来帮助对话系统避免生成过于通用的响应。在英国广播公司，谈话是建立在知识来源的基础上的。BBC中的一个关键挑战是知识选择（KS）：给定会话上下文，尝试找到适当的背景知识（包含相关事实或评论等的文本片段）。基于此生成下一个响应。以前的工作解决KS采用注意和/或指针机制。这些机制采用当地视角，即，它们每次仅基于当前解码状态来选择令牌。我们主张采用全球视角，即，从背景知识中预先选择可以帮助确定下一个响应的主题的一些文本片段。我们通过引入全球到本地的知识选择（GLKS）机制，以提高知识在BBC。给定一个会话上下文和背景知识，我们首先学习一个主题转换向量来编码最有可能在下一个响应中使用的文本片段，然后用于指导每个解码时间戳的本地KS。为了有效地学习主题转移向量，我们提出了一个远程监督学习模式。实验结果表明，GLKS模型显着优于国家的最先进的方法，在自动和人工评价。更重要的是，GLKS实现了这一点，而不需要任何额外的注释，这证明了它的高度可伸缩性。
2019-11-21 cs.AI cs.CL
Improving Background Based Conversation with Context-aware Knowledge Pre-selection
University of Amsterdam（阿姆斯特丹大学）
基于背景的对话（Background Based Conversations，BBCs）已经被开发以通过利用背景知识来使对话系统生成更多信息且更自然的响应。现有的BBC方法可以分为两类：基于提取的方法和基于生成的方法。前一个摘录来自背景材料，作为不一定自然的反应。后者产生的反应是自然的，但不一定有效地利用背景知识。在本文中，我们专注于基于生成的方法，并提出了一个模型，即上下文感知的知识预选择（CaKe），它引入了一个预选择过程，使用动态的双向注意，以改善知识的选择，使用的话语历史上下文作为先验信息，以选择最相关的背景材料。实验结果表明，我们的模型优于当前最先进的基线，表明它受益于预选过程，从而提高信息量和流畅性。
2019-06-16 cs.AI cs.CL
Modeling Semantic Relationship in Multi-turn Conversations with Hierarchical Latent Variables
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）
多话轮会话包含复杂的语义结构，在已有话语的基础上生成连贯多样的会话仍然是一个挑战。实际上，会话发生在一个背景下，同时，查询和响应通常是最相关的，它们在主题上是一致的，但在内容上也是不同的。然而，很少有研究关注话语之间的这种等级关系。为了解决这个问题，我们提出了一个会话语义关系RNN（CSRR）模型来显式地构建依赖关系。该模型包含三个层次的潜变量。语篇层次的语义模型反映了语言的整体背景，语对层次的语义模型反映了语言查询和响应之间的共同主题信息，而话语层次的语义模型则试图反映语言内容的差异。实验结果表明，我们的模型显着提高响应的流畅性，一致性和多样性方面的质量相比，基线方法。
2019-06-18 cs.CL
RefNet: A Reference-aware Network for Background Based Conversation
Shandong University（山东大学）；University of Amsterdam（阿姆斯特丹大学）
现有的会话系统倾向于生成通用的响应。最近，已经引入了基于背景的对话（BBCs）来解决这个问题。这里，生成的响应基于一些背景信息。针对BBC提出的方法能够生成更多信息的响应，它们要么不能生成自然响应，要么难以定位正确的背景信息。在本文中，我们提出了一个参考感知网络（RefNet）来解决这两个问题。与现有的逐个令牌生成响应的方法不同，RefNet结合了一种新颖的参考解码器，该解码器提供了一种替代方法来学习直接引用语义单元（例如，包含完整语义信息的跨度）。实验结果表明，RefNet在自动和人工评估方面都明显优于最先进的方法，这表明RefNet可以生成更合适和更人性化的响应。
2019-11-23 cs.AI cs.CL cs.LG
Mimicking the Thinking Process for Emotion Recognition in Conversation with Prompts and Paraphrasing
Wuhan University（武汉大学）；Tsinghua University（清华大学）
针对对话情绪识别中上下文、说话者背景及标签差异的建模难题，提出模拟人类思维过程的框架，通过两类提示和复述机制分别处理三类因素，在三个基准上超越现有最优基线。
2023-06-11 cs.CL
Re-entry Prediction for Online Conversations via Self-Supervised Learning
The Chinese University of Hong Kong（香港中文大学）；MoE Key Laboratory of High Confidence Software Technologies（教育部高可信软件技术重点实验室）；Microsoft Corporation（微软公司）
近年来，在社交媒体上进行在线讨论和意见分享的全球业务正在蓬勃发展。因此，提出了再入预测任务，以帮助人们跟踪他们希望继续进行的讨论。然而，现有的工作只专注于利用聊天历史和上下文信息，而忽略了潜在的有用的学习信号，会话数据，如会话线程模式和目标用户的重复参与，这有助于更好地了解目标用户在会话中的行为。在本文中，我们提出了三个有趣的和有根据的辅助任务，即，传播模式，重复的目标用户，和转向作者，作为自我监督信号的再入预测。这些辅助任务以多任务的方式与主任务一起训练。在从Twitter和Reddit新收集的两个数据集上的实验结果表明，我们的方法优于之前的最新技术，参数更少，收敛速度更快。大量的实验和分析表明，我们提出的模型的有效性，也指出了一些关键思想，设计自我监督的任务。
2021-09-05 cs.CL
Measuring Semantic Coherence of a Conversation
Vienna University of Economics and Business（维也纳经济大学）；University of Amsterdam（阿姆斯特丹大学）；Fraunhofer FIT（弗劳恩霍夫应用信息技术研究所）；RWTH University Aachen（亚琛工业大学）；University of Jyvaskyla（于韦斯屈莱大学）；Complexity Science Hub Vienna（维也纳复杂性科学中心）；Stanford University（斯坦福大学）
会话系统作为人类与计算机交互的一种方式已经变得越来越流行。为了能够提供智能响应，会话系统必须正确地建模会话的结构和语义。我们介绍的任务，测量语义（中）的连贯性在会话中的背景知识，这依赖于在会话过程中引入的概念之间的语义关系的识别。我们提出并评估了基于图和基于机器学习的方法，用于使用知识图谱、其向量空间嵌入和词嵌入模型作为背景知识的来源来测量语义一致性。我们演示了这些方法是如何能够发现不同的一致性模式在Ubuntu对话语料库的对话。
2018-06-17 cs.AI cs.CL
Sequential Topic Selection Model with Latent Variable for Topic-Grounded Dialogue
Huazhong University of Science and Technology（华中科技大学）；Pingan Property & Casualty Research（平安财产保险研究院）；Beijing Institute of Technology（北京理工大学）
近年来，基于话题的对话系统因其能够根据历史语境和给定的话题序列预测下一个话题从而获得更好的响应而受到广泛关注。然而，几乎所有现有的主题预测解决方案都只关注当前会话和相应的主题序列来预测下一个会话主题，而不利用可能包含与当前会话相关的主题转换的其他主题引导会话。为了解决这个问题，在本文中，我们提出了一种新的方法，命名为顺序全局主题注意力（SGTA），利用主题转换在所有的对话中，以一种微妙的方式，更好地建模后响应主题转换，并指导响应生成当前的对话。具体来说，我们引入了一个潜在空间建模为一个多元偏态分布与混合核函数，灵活地整合全球层面的信息与序列层面的信息，并预测的基础上的分布抽样结果的主题。我们还利用主题感知的先验-后验方法对预测主题进行二次选择，以优化响应生成任务。大量的实验表明，我们的模型在预测和生成任务上优于竞争基线。
2022-10-17 cs.CL
A Persona-Based Neural Conversation Model
Stanford University（斯坦福大学）；Microsoft Research（微软研究院）；University College London（伦敦大学学院）
我们提出了基于人物的模型来处理神经反应生成中的说话人一致性问题。说话人模型将人物角色编码到分布式嵌入中，这些嵌入捕获了个人特征，如背景信息和说话风格。一个二元的说话人-受话人模型捕捉两个对话者之间的互动属性。我们的模型在困惑和BLEU分数方面都比基线序列到序列模型产生了定性的性能改进，并且在说话者一致性方面具有类似的增益，如由人类判断所测量的。
2016-06-08 cs.CL
Towards leveraging latent knowledge and Dialogue context for real-world conversational question answering
University of Amsterdam（阿姆斯特丹大学）；Utrecht University（乌得勒支大学）
在许多现实世界的场景中，缺乏像维基百科这样的外部知识源限制了问答系统依赖于有限对话数据中的潜在内部知识。此外，人类经常通过问几个问题来寻求答案，以获得更全面的信息。随着对话变得越来越广泛，机器面临着参考以前的对话回合来回答问题的挑战。在这项工作中，我们建议通过神经检索阅读系统利用现有会话日志中的潜在知识，通过基于TFIDF的文本摘要器改进冗长的会话历史以缓解长上下文问题。我们的实验表明，我们的检索阅读系统可以利用检索到的背景知识，以产生显着更好的答案。结果还表明，我们的上下文摘要显着帮助检索者和读者介绍更简洁，更少的噪音上下文信息。
2022-12-17 cs.CL
The Impact of Background Speech on Interruption Detection in Collaborative Groups
Colorado State University, Fort Collins, CO 80523, USA（科罗拉多州立大学）
本研究针对教室多组并发对话中重叠语音干扰打断检测的问题，提出一种对重叠语音具有鲁棒性的最先进打断识别方法，并揭示了打断在协作互动中的语言学与韵律特征。
2025-07-09 cs.CL
AfriWOZ: Corpus for Exploiting Cross-Lingual Transferability for Generation of Dialogues in Low-Resource, African Languages
Luleå University of Technology（吕勒奥理工大学）；Masakhane；CIS
对话生成是一项重要的NLP任务，充满了许多挑战。对于资源贫乏的非洲语言来说，挑战变得更加艰巨。为了创建非洲语言的对话代理，我们为6种非洲语言提供了第一个高质量的对话数据集：斯瓦希里语，沃洛夫语，豪萨语，尼日利亚洋泾浜英语，基尼亚卢旺达语和约克夏语。这些数据集由1,500个回合组成，我们从英语多域MultiWOZ数据集的一部分翻译而来。随后，我们通过使用最先进的（SoTA）深度单语模型：DialoGPT和BlenderBot，调查和分析了通过迁移学习建模的有效性。我们使用困惑将模型与简单的seq 2seq基线进行比较。除此之外，我们还通过使用多数票对单回合对话进行人工评估并衡量注释者间一致性（IAA）。我们发现，假设深层单语模型学习一些抽象，概括跨语言举行。我们在6种语言中的5种语言中观察到不同程度的人类对话。最具可转移性的语言是尼日利亚洋泾浜英语，与人类相似的分数为78.1%，其中34.4%是一致的。我们免费提供数据集，并在HuggingFace中心上托管模型检查点/演示，供公众访问。
2022-05-19 cs.CL
Incorporating Loose-Structured Knowledge into Conversation Modeling via Recall-Gate LSTM
Harbin Institute of Technology（哈尔滨工业大学）；Microsoft（微软公司）
对人类对话进行建模是构建具有多轮对话能力的聊天机器人的关键。会话建模将明显受益于领域知识，因为句子之间的关系可以澄清由于知识引入的语义提示。本文提出了一种深度神经网络，将背景知识融入会话建模。通过专门设计的召回门，领域知识可以转换为长短期记忆（LSTM）的额外全局记忆，从而通过与其本地记忆协作来增强LSTM，以捕获会话中句子之间的隐含语义相关性。此外，本文还介绍了一种松散结构的领域知识库，该知识库的建立只需要少量的手工操作，并且易于被召回门所采用。我们的模型进行了评估，在两个数据集上的实验结果表明，我们的方法是有前途的人类对话建模和自动聊天系统的关键组件的建设。
2017-02-06 cs.CL
Unsupervised Enrichment of Persona-grounded Dialog with Background Stories
UC San Diego（加州大学圣地亚哥分校）；Carnegie Mellon University（卡内基梅隆大学）
人们经常引用个人的叙述、生活经历和事件来使谈话更吸引人、更丰富。虽然基于人物角色的对话模型能够生成遵循给定人物角色的响应，但它们通常会错过与人物角色相关的详细体验或事件，通常会使对话变得肤浅和乏味。在这项工作中，我们装备对话模型与“背景故事”相关的人物角色，利用虚构的叙述，从现有的故事数据集（如ROCStories）。由于当前的对话数据集不包含这样的叙述响应，我们执行一个无监督的适应检索的故事，使用基于梯度的重写技术生成一个对话响应。我们提出的方法鼓励生成的响应是流畅的（即，很可能）与对话历史记录，与检索到的故事的差异最小，以保持事件顺序并与原始人物角色一致。我们证明，我们的方法可以生成更多样化的响应，并被评为更具吸引力和人性化的人类评估员，从现有的对话模型的输出相比。
2021-06-15 cs.CL
Automatic Generation of High Quality CCGbanks for Parser Domain Adaptation
Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；Artificial Intelligence Research Center, AIST（产业技术综合研究所人工智能研究中心）；Ochanomizu University（御茶水女子大学）
基于利用依赖树资源自动生成组合范畴语法语料库的思想，提出了一种新的组合范畴语法分析的领域自适应方法.我们的解决方案在概念上很简单，并且不依赖于特定的解析器架构，这使得它适用于当前性能最好的解析器。我们进行了广泛的解析实验，并进行了详细的讨论;在现有的（1）生物医学文本和（2）问题句子的基准数据集之上，我们创建了（3）语音对话和（4）数学问题的实验数据集。当应用于所提出的方法时，现成的CCG解析器显示出显着的性能增益，在语音会话上从90.7%提高到96.6%，在数学问题上从88.5%提高到96.8%。
2019-06-05 cs.CL
Call for Customized Conversation: Customized Conversation Grounding Persona and Knowledge
Korea University（高丽大学）；NCSOFT
人类通常通过利用关于主题的先验知识和他们正在交谈的人的背景信息来进行对话。然而，现有的会话代理和数据集不考虑这样的综合信息，因此它们在生成知识和人物角色适当融合的话语方面具有局限性。为了解决这个问题，我们引入了一个调用自定义对话（FoCus）数据集，其中自定义答案是用用户的角色和维基百科知识构建的。为了评估预训练语言模型的信息和定制话语的能力，我们利用BART和GPT-2以及基于transformer的模型。我们用自动评分评估它们的生成能力，并对定性结果进行人工评估。我们检查模型是否反映了足够的人物角色和知识与我们提出的两个子任务，人物角色接地（PG）和知识接地（KG）。此外，我们表明，我们的数据的话语是通过接地质量评估与适当的知识和人物。
2022-05-16 cs.AI cs.CL
MDD-5k: A New Diagnostic Conversation Dataset for Mental Disorders Synthesized via Neuro-Symbolic LLM Agents
Theta Health Inc.（西塔健康公司）；Chen Frontier Lab for AI and Mental Health, Tianqiao and Chrissy Chen Institute（天桥脑科学研究院陈天桥雒芊芊脑科学研究院AI与精神健康前沿实验室）；Shanghai Mental Health Center（上海市精神卫生中心）；Shanghai Jiao Tong University School of Medicine（上海交通大学医学院）；Shanghai Clinical Research Center for Mental Health（上海市精神疾病临床医学中心）；Shanghai Key Laboratory of Psychotic Disorders（上海市精神疾病重点实验室）
本文提出神经符号多智能体框架，基于匿名病例合成精神障碍诊断对话，并构建了首个中文带标签数据集MDD-5k，包含5000个高质量长对话，有效模拟人类诊断过程。
2024-12-26 cs.AI cs.CL
CR-Walker: Tree-Structured Graph Reasoning and Dialog Acts for Conversational Recommendation
Tsinghua University（清华大学）；Alibaba Group（阿里巴巴集团）
会话式推荐系统（CRS）通过会话式交互探索用户的偏好，从而提供合适的推荐，这一研究受到了越来越多的关注。然而，在现有CRS中仍然缺乏以下能力：（1）遍历背景知识上的多个推理路径以引入相关项目和属性，以及（2）在当前系统意图下适当地布置所选实体以控制响应生成。为了解决这些问题，我们提出了CR-沃克在本文中，一个模型，执行树结构的推理知识图谱，并产生信息对话行为，以指导语言生成。树形结构推理的独特方案将每一跳处的遍历实体视为对话的一部分，以促进语言生成，这将实体的选择和表达联系起来。自动和人工评估表明，CR-Walker可以达到更准确的推荐，并生成更多信息和吸引人的响应。
2021-09-03 cs.CL cs.IR
Commonsense-augmented Memory Construction and Management in Long-term Conversations via Context-aware Persona Refinement
Yonsei University（延世大学）
本文提出一种利用基于常识的画像扩展框架，通过设计的策略结合上下文背景将矛盾画像转化为包含丰富信息的句子，从而提升长期对话中的响应生成质量。
2024-02-12 cs.AI cs.CL
Interpretation of Natural Language Rules in Conversational Machine Reading
Bloomsbury AI（布卢姆斯伯里人工智能公司）；University of California, Irvine（加州大学欧文分校）；University College London（伦敦大学学院）
机器阅读的大部分工作集中在问答问题上，答案直接表达在要阅读的文本中。然而，许多现实世界的问答问题需要阅读文本，不是因为它包含字面答案，而是因为它包含一个配方，以得出答案连同读者的背景知识。一个例子是解释条例的任务，以回答“我能.？或者“我必须......吗？例如“我在加拿大工作。我必须继续支付英国国民保险吗？“在阅读了英国政府网站上关于这个话题的文章后。这项任务既需要解释规则，也需要应用背景知识。实际上，由于大多数问题都没有被详细说明，人工助理将不得不经常提出澄清问题，例如“你在国外工作多久了？“当答案不能直接从问题和文本中得出时。在本文中，我们正式这个任务，并制定了一个众包策略，收集32K任务实例的基础上，现实世界的规则和群众产生的问题和场景。我们分析了这项任务的挑战，并通过评估基于规则和机器学习基线的性能来评估其难度。当不需要背景知识时，我们观察到有希望的结果，并且当需要背景知识时，观察到有很大的改进空间。
2018-08-28 cs.CL cs.LG stat.ML
Generative Emotion Cause Explanation in Multimodal Conversations
Northeastern University（东北大学）；Shenyang Women’s and Children’s Hospital（沈阳市妇女儿童医院）
本文提出多模态对话情感原因解释任务MECEC，构建ECEM数据集，并设计FAME-Net利用大语言模型分析面部表情和情感传染效应，在实验中优于多个基线模型。
2025-06-04 cs.AI cs.CL cs.CV
Dialogue Session Segmentation by Embedding-Enhanced TextTiling
Peking University（北京大学）；Key Laboratory of High Confidence Software Technologies (Peking University), MoE（高可信软件技术教育部重点实验室（北京大学））；Natural Language Processing Department, Baidu Inc.（百度公司自然语言处理部）；School of Computer, Central China Normal University（华中师范大学计算机学院）
在人机对话系统中，用户发出的话语的上下文是特别重要的，因为它提供了有用的对话背景信息。然而，在当前会话中跟踪所有先前的发言是不明智的，因为并非所有发言都同样重要。在本文中，我们解决了会话分割的问题。我们提出了一个嵌入增强的TextTiling方法，灵感来自观察，会话话语是非常嘈杂的，和词嵌入提供了一个强大的方式捕捉语义。实验结果表明，我们的方法取得了更好的性能比TextTiling，MMD方法。
2016-10-13 cs.CL cs.HC
Investigating the Effect of Music and Lyrics on Spoken-Word Recognition
Radboud University Nijmegen（奈梅亨拉德堡德大学）；Delft University of Technology（代尔夫特理工大学）
社交场合的背景音乐会妨碍谈话。然而，很少有人知道音乐的具体属性如何影响语音处理。本文通过调查1）有歌词的背景音乐的掩蔽效应是否大于没有歌词的音乐，以及2）掩蔽效应是否对于更复杂的音乐更大来解决这个知识缺口。为了回答这些问题，进行了一项单词识别实验，其中荷兰参与者在两种条件下（有和没有歌词）和三种SNR下听嵌入背景音乐中的荷兰CVC单词。三首歌曲被用于不同的风格和复杂性。从同一首歌中采样有歌词和没有歌词的音乐片段，以控制歌词存在以外的因素。结果表明，背景音乐中歌词的存在对口语词识别有明显的负面影响。这种影响与复杂性无关。结果表明，社交空间（例如，餐馆、咖啡馆和酒吧）应谨慎选择音乐，以促进对话，并为今后的工作开辟道路。
2018-03-13 cs.CL cs.SD eess.AS
Task-Oriented Conversation Generation Using Heterogeneous Memory Networks
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
如何将外部知识整合到神经对话模型中对于对话系统表现得像真正的人类至关重要。为了解决这个问题，记忆网络通常是一个很好的选择，也是一种很有前途的方法。然而，现有的存储器网络在利用来自不同来源的异构信息时表现不佳。在本文中，我们提出了一种新的和通用的外部存储器网络称为异构存储器网络（HMN），同时利用用户的话语，对话历史和背景知识元组。在我们的方法中，历史顺序对话编码和存储到上下文感知的门控机制增强的记忆，而接地知识元组编码和存储到上下文无关的记忆。在解码过程中，增强HMN的解码器从这两个存储器和一般词汇表中循环选择一个响应话语中的每个单词。在多个真实世界数据集上的实验结果表明，HMN在大多数领域的性能明显优于最先进的数据驱动的面向任务的对话模型。
2019-09-25 cs.AI cs.CL
System Message Generation for User Preferences using Open-Source Models
Upstage AI
提出SysGen流程，利用现有无系统消息的监督微调数据生成系统消息，训练开源模型以提升单轮和多轮对话基准表现，尤其在短对话中效果显著。
2025-05-23 cs.AI cs.CL
