多轮检索式对话——ACL 2018DAM

Posted 卓寿杰_SoulJoy

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了多轮检索式对话——ACL 2018DAM相关的知识,希望对你有一定的参考价值。

《Multi-Turn Response Selection for Chatbots with Deep Attention Matching Network》

文本对于context和response语义上的联系更进一步,将 attention 应用于多轮对话,打破之前的 RNN 和 CNN 结构,在多轮上速度快,达到了目前最好效果。其次,本文使用 self-attention 和 cross-attention 来提取 response 和 context 的特征:

在这里插入图片描述

  • Representation
    主要用到:self-attention 和 cross-attention

    • self-attention:
      在这里插入图片描述
    • cross-attention:
      在这里插入图片描述
  • Utterance-Response Matching
    在这里插入图片描述
    在这里插入图片描述

  • Aggregation
    在这里插入图片描述
    有n句utterance,Q就有有n个切片。对应n个utterance-response对的匹配矩阵, 每一片的尺寸都是(n_u_i, n_r)对应匹配矩阵中每个矩阵的尺寸

    最大池的3D卷积的操作是典型的2D卷积的扩展,如图其过滤器和步幅是3D立方体,对于每个切片再进行匹配得分的计算:
    在这里插入图片描述
    释然函数:
    在这里插入图片描述

以上是关于多轮检索式对话——ACL 2018DAM的主要内容,如果未能解决你的问题,请参考以下文章

多轮检索式对话——CIKM 2019IMN

多轮检索式对话——IJCAI 2019DGMN 基于文档背景的个性化对话

ADL100-Wuwei-检索式对话

检索式对话系统在美团客服场景的探索与实践

论文泛读174基于相关知识和目标的主动检索式聊天机器人

论文泛读174基于相关知识和目标的主动检索式聊天机器人