EMNLP 2019 录用长文
Abstract
如何将外部知识库与对话模型结合起来是一个重要的问题。传统上人们是使用了Memory Network。然而当面对多种来源的、异构的info时,Mem对这些info的处理并不好(我理解的是权重的问题)。因此提出了HMN,它能同步的使用user utterances,dialogue history和backgroud knowledge tuples。
总体来说是将
Dialog history => context-aware memory
Knowledge base triples => context-free memory
在context-aware里面加入了门机制(GRU),经过Dialogue和KB的两个Mem处理之后,将输出的隐状态输出给decoder部分,再经过Dialogue和KB两个Mem,从而在KB,vocab和history中选择输出。
Introudction
两种目的的Dialogue system
背景知识的task-oriented对话系统由三部分组成:
-
understanding user utterances
-
fetching right knowledge from external storage
-
replying right answer