论文浅尝 - AAAI2020 | 基于知识图谱进行对话目标规划的开放域对话生成技术

论文笔记整理：张傲，天津大学硕士。

---

Knowledge Graph Grounded Goal Planning for Open-Domain Conversation Generation

来源：哈工大SCIR

动机

让机器生成有内容并且主题连贯的多轮开放域对话，是人工智能公认的关键任务之一。针对这一任务，研究人员尝试了一些基于端到端的生成模型，但模型生成的回复内容丰富性较低。有效聊天话题管理技术的实现目前主要面临两个挑战，1.  高层级对话目标（Gonversational Goal，聊天话题）序列的规划，其困难在于对话系统既要保持对话主题的连贯性，也要兼顾用户的兴趣，以免机器单方面的自说自话；2. 如何基于一个对话目标生成内容丰富的深入对话，此技术可以支持许多实际的对话应用场景，例如多个知识点的持续推荐、某个物品的推荐等。

为了解决以上两个问题，本文中提出了一个基于知识图谱的层次化强化学习框架（KnowHRL），进行多粒度回复指导信息的选择。

亮点

KnowHRL的亮点主要包括：

（1）该工作首次将多轮开放域对话拆解为两个子任务，即对话目标序列的规划及给定对话目标的深入对话；