《Proactive Human-Machine Conversation with Explicit Conversation Goals》

论文出处：ACL 2019

1. 摘要

论文提出了一种基于知识图谱能主导对话的对话系统，并开源了对应的数据集DuConv。该数据集涉及电影、导演和演员相关题材，包含3w个多轮对话，约27w个句子。每个对话包含一个目标三元组[START, TOPIC_A, TOPIC_B]，表示系统的目标是将对话主题从A引导到B；另外包括一系列跟TOPIC_A或者TOPIC_B有关的知识三元组，形式为（主体，谓词，客体），表示主客体之间的关系，比如（张艺谋，导演，红高粱）；然后包括多轮对话。数据示例如下（文末附json格式的示例）：

2. 模型

论文提出了基于检索和生成的两种模型。

2.1 检索模型

检索模型的整体思路是对每个对话先筛选出n个候选句子，然后使用模型对这n个候选句子打分，选出得分最高最高的句子，作为最终的目标句子。因此分两个主要步骤，一个是筛选得到候选句子