Augmenting Knowledge-grounded Conversations with Sequential Knowledge Transition
本文针对知识驱动对话任务提出了两个子任务:知识选择/对话生成
![在这里插入图片描述](https://img-blog.csdnimg.cn/f1fa14579e7e464696b9bdf80551f138.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5pu-6Zi_54mbbmxwZXI=,size_20,color_FFFFFF,t_70,g_se,x_16)
1.知识选择
提出了知识转移的思路,即每轮对话的知识内在也是有联系的
![在这里插入图片描述](https://img-blog.csdnimg.cn/5ef0b7caa7694f408750a218824c4df1.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5pu-6Zi_54mbbmxwZXI=,size_12,color_FFFFFF,t_70,g_se,x_16)
做法:Bert编码历史上下文+BiLSTM建立时序信息+CRF对应知识标签
这个做法有点像任务型对话中的槽填充,"每个token编码后输出槽位值"的做法->“每轮对话的句编码输出知识标签”。
因为知识标签的数量是有限的才能建立这样的状态转移。根据标签去知识库里搜索,如果有很多个这样的标