一文速览知识增强的对话推荐系统

2022-12-21 01:12

MLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。

社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。

转载自 | RUC AI Box

作者｜汤昕宇

机构｜中国人民大学高瓴人工智能学院

本文主要介绍了知识增强的对话推荐系统。文章也同步发布在AI Box知乎专栏（知乎搜索 AI Box专栏），欢迎大家在知乎专栏的文章下方评论留言，交流探讨！

引言：对话推荐系统（CRS）旨在通过交互式的语言对话为用户提供推荐服务，它通常包括推荐和对话两个模块。传统的对话系统大多是一个端到端系统，将历史对话作为输入来产生应答，这往往利用语料库中的高频词产生回复，这种“安全”的回答往往缺乏有意义的信息。因此，基于知识增强的对话推荐系统被提出了，系统可以基于对话语境和外部知识，生成具有丰富信息并有意义的回答。

『相关数据集』

Wizard of Wikipedia: Knowledge-Powered Conversational Agents

Towards Policy-Guided Conversational Recommendation with Dialogue Acts

Towards Conversational Recommendation over Multi-Type Dialogs（DuRecDial）

DuRecDial 2.0: A Bilingual Parallel Corpus for Conversational Recommendation

NaturalConv: A Chinese Dialogue Dataset Towards Multi-turn Topic-driven Conversation

KdConv: A Chinese Multi-domain Dialogue Dataset Towards Multi-turn Knowledge-driven Conversation

A Large-Scale Chinese Short-Text Conversation Dataset（LCCC）

Towards Expressive Communication with Internet Memes: A New Multimodal Conversation Dataset and Benchmark （MOD）

Human-to-Human Conversation Dataset for Learning Fine-grained Turn-taking Action（FTAD）

Towards Empathetic Open-domain Conversation Models: a New Benchmark and Dataset

CrossWOZ: A Large-Scale Chinese Cross-Domain Task-Oriented Dialogue Dataset

Adding Chit-Chat to Enhance Task-Oriented Dialogues（ACCENTOR）

SalesBot: Transitioning from Chit-Chat to Task-Oriented Dialogues

Recommendation as a Communication Game: Self-Supervised Bot-Play for Goal-oriented Dialogue （GoRecDial）

OpenDialKG: Explainable Conversational Reasoning with Attention-based Walks over Knowledge Graphs

INSPIRED: Toward Sociable Recommendation Dialog Systems

INSPIRED2: An Improved Dataset for Sociable Conversational Recommendation

Towards Topic-Guided Conversational Recommender System（TGRedial）

2
『不同知识来源的对话增强』
2.1 通过主题进行增强

在对话系统中，为了避免产生琐碎并且偏离主题的回复，基于主题增强的对话系统可以从潜在的主题中挖掘文档的高阶语义信息。

Topic aware neural response generation

A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation

2.2 通过关键词进行增强

关键词：一个或多个单词的序列，为文档主要内容。

Sequence to Backward and Forward Sequences: A Content-Introducing Approach to Generative Short-Text Conversation

Generating responses with a specific emotion in dialog

Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction

Emotional chatting machine: Emotional conversation generation with internal and external memory

2.3 通过知识库进行增强

知识库存储，管理了大量大规模的信息，里面包含大量的三元组知识。

A Copy-Augmented Sequence-to-Sequence Architecture Gives Good Performance on Task-Oriented Dialogue

Mem2Seq: Effectively Incorporating Knowledge Bases into End-to-End Task-Oriented Dialog Systems

Learning to select knowledge for response generation in dialog systems

TopicKA: Generating Commonsense Knowledge-Aware Dialogue Responses Towards the Recommended Topic Fact

Improving Knowledgeaware Dialogue Generation via Knowledge Base Question Answering

Diverse and Informative Dialogue Generation with Context-Specific Commonsense Knowledge Awareness

2.4 通过知识图谱进行增强

知识图谱是一种结构化的人类知识，由许多的知识三元组构成的。三元组由实体，关系和结构化介绍组成的。

Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs

DyKgChat: Benchmarking Dialogue Generation Grounding on Dynamic Knowledge Graphs

Grounded conversation generation as guided traverses in commonsense knowledge graphs

Commonsense knowledge aware conversation generation with graph attention

2.5 通过文本进行增强

基于知识的文本指的是，提供与输入序列相关的额外文本信息。它对于理解输入序列与相关背景信息起着重要的作用，可以为对话系统提供额外的外部知识。

Wizard of wikipedia: Knowledge-powered conversational agents

A knowledge-grounded neural conversation model

RefNet: A referenceaware network for background based conversation

Conversing by Reading: Contentful Neural Conversation with On-demand Machine Reading

Thinking Globally, Acting Locally: Distantly Supervised Global-to-Local Knowledge Selection for Background Based Conversation

DEEPCOPY: Grounded Response Generation with Hierarchical Pointer Networks

技术交流群邀请函

△长按添加小助手

扫描二维码添加小助手微信

请备注：姓名-学校/公司-研究方向（如：小张-哈工大-对话系统）即可申请加入自然语言处理/Pytorch等技术交流群

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。

社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章

一文速览知识增强的对话推荐系统

2『不同知识来源的对话增强』2.1 通过主题进行增强

2.4 通过知识图谱进行增强

2.5 通过文本进行增强

关于我们

2
『不同知识来源的对话增强』
2.1 通过主题进行增强