学术交流

Initiative-Aware Self-Supervised Learning for Knowledge-Grounded Conversations

Chuan Meng, Pengjie Ren, Zhumin Chen, Zhaochun Ren, Tengxiao Xi and Maarten de Rijke

本文面向知识驱动的人机对话（Knowledge-Grounded Conversation, KGC）的研究，具体为通过提升知识驱动的人机对话系统在知识选择（选择将会被用于当前回复的合适的知识）重要任务上的表现来提升系统的最终表现。现有研究工作没有考虑知识选择的混合主导特点（Mixed Initiative）来提升系统的知识选择表现，即知识选择既可以是用户主导的（系统通常基于当前包含用户提出的新话题或问题的对话上下文来选择当前知识），也可以是系统主导的（系统通常基于之前选择过的知识来选择当前知识）。本文提出了一种混合主导的知识选择模型，其显式区分了用户和系统主导的知识选择，具体引入了两个知识选择器去分别建模二者，并设计了一个主导辨别器去判别知识选择的主导类型。为解决训练集中没有知识选择主导类型标注的挑战，本文设计了一个主导感知的自监督学习方法来帮助模型学会去判别知识选择的主导类型。实验结果表明，提出的模型在两个公开数据集上超过了当前的先进方法。