【论文泛读93】对话建模的语义表示

贴一下汇总贴：论文阅读记录

论文链接：《Semantic Representation for Dialogue Modeling》

一、摘要

尽管神经模型在对话系统中取得了竞争性结果，但它们在表示核心语义（例如忽略重要实体）方面显示出有限的能力。为此，我们利用抽象意义表示（AMR）来帮助进行对话建模。与文本输入相比，AMR显式提供了核心语义知识并减少了数据稀疏性。我们开发了一种从句子级AMR构造对话级AMR图的算法，并探索了两种将AMR整合到对话系统中的方法。对话理解和响应生成任务的实验结果表明了我们模型的优越性。据我们所知，我们是第一个将形式化语义表示形式运用到神经对话建模中的人。

二、结论

我们研究了使用人工智能进行对话建模的可行性，描述了一种自动构建对话级人工智能的算法，并开发了两种将人工智能纳入神经对话系统的方法。在两个基准上的实验显示了我们的模型在对话理解和对话响应生成方面的优势。

三、model

给定一个由多个话语组成的对话，我们采用一个预处理的自动语音识别解析器来获得每个话语的自动语音识别图。对于包含多个句子的话语，我们将它们解析成多个AMR图，并将其标记为属于同一话语。我们通过在话语自动抄表之间建立联系来构建每个对话自动抄表图。

AMR model：