【论文泛读146】基于预训练语言模型的基于知识的对话系统_knowledge- grounded dialogue generation with pre-t

贴一下汇总贴：论文阅读记录

论文链接：《A Knowledge-Grounded Dialog System Based on Pre-Trained Language Models》

一、摘要

我们展示了为第九届对话系统技术挑战赛 (DSTC9) Track 1 - Beyond Domain APIs: Task-oriented Conversational Modeling with Unstructured Knowledge Access（面向任务的非结构化知识访问对话建模）而开发的基于知识的对话系统。我们利用现有语言模型的迁移学习来完成此挑战轨道中的任务。具体来说，我们将任务分为四个子任务，并在每个子任务上微调了几个 Transformer 模型。我们进行了额外的更改，从而提高了性能和效率，包括将模型与传统实体匹配技术相结合，以及将指针网络添加到语言模型的输出层。

二、结论

我们为DSTC9 Track 1开发了一个基于知识的对话系统，它在基线上遵循流水线架构，在整体性能上优于基线。更重要的是，我们证明了这种性能水平可以用相对较低的计算成本来实现。我们采用了几种方法来提高训练和推理的效率。我们利用了预先训练好的语言模型的力量，并根据我们的任务对其进行了微调。此外，我们将实体选择与知识选择解耦，并采用基于N-gram和编辑距离的统计方法来过滤掉不相关的实体，从而大大减少了候选实体的数量，从而降低了计算成本。最后，我们的系统在自动评估的24个参与团队中排名第四，在响应质量的人工评估的12个决赛团队中排名第十。

三、model

系统架构：

将知识选择的子任务分成两个更小的子任务：

• 1)领域/实体选择
• 2)领域/实体特定的知识选择。