【任务型对话系统】Database Search Results Disambiguation for Task-Oriented Dialog Systems

链接：https://arxiv.org/pdf/2112.08351.pdf

简介

在任务型对话系统（task-oriented dialog systems）中，有时我们会遇到这样一个问题：

• 对于用户的一个提问或要求，我们可以从数据库中找到多个可能的答案，无法做出决断。

比方说下图：

无论是订宾馆、订酒店，还是买衣服，这种情况在生活中很常见。
我们将这种情况称为数据库搜索结果歧义（ database search result ambiguity），简称DSR-ambiguity。
我们通常说的歧义是指一个词或者一句话有多种意思，但DSR-ambiguity指的是我们从数据库中搜到了多个结果。

那么，怎么解决这一问题呢？正如在图中所看到的，一个最简单的办法就是：向用户提问（称为澄清问题），然后理解用户的回答再进行最后选择。
比如图中的Hotel例子，对话系统给了用户两个宾馆，让用户做选择。

然而目前为止，大部分工作集中在何时和如何给出澄清问题，对于理解用户的答案/意图的工作相对较少。本文的重点正在于此。

简单而言，本文找来了两个任务型对话的数据集：MultiWOZ和SchemaGuided Dataset (SGD)，原来在这两个数据集里，约66%的问题有多种答案。对其进行增强，从而增强模型的消岐能力。

那么，我们希望对话系统有以下特点：

• 能给用户一些信息，而不是从结果列表中选择一个并推荐给用户。
• 不需要列出所有结果，列举2到3个选项即可。因为这助于提高用户粘性。

具体来说，我们首先从SIMMC 2.0数据集(Kottur等人，2021)中提取模板，这是一个多模态面向任务的对话框数据集，包含消歧转向，但只覆盖两个领域。
基于从MultiWOZ和SGD中提取的模板和数据库，我们合成了一个单回合对话数据集，只包含消歧的对话，以检验模型是否能够从数据中学习消歧
。为了在现实中应用，我们希望该模型能够在不影响其他对话技巧的前提下学习消歧技巧。因此，我们建议在MultiWOZ和SGD中增加消歧对话࿰