《论文阅读》Commonsense Knowledge Aware Conversation Generation with Graph Attention

      • 简介
      • 论文试图解决什么问题？
      • 论文中提到的解决方案之关键是什么？
      • 新的收获？有什么工作可以继续深入？
      • 原文代码

会议收录：Proceedings of the Twenty-Seventh International Joint Conference on Artificial Intelligence (IJCAI-18)
类型：会话生成
特点：图机制（静态+动态），首次提出使用常识知识

本文带来Hao Zhou, Tom Young, Minlie Huang, Haizhou Zhao, Jingfang Xu and Xiaoyan Zhu共同创作的文章

简介

常识知识对于许多自然语言处理任务至关重要。在本文中，我们提出了一种新颖的开放域对话生成模型，以展示大规模常识知识如何促进语言理解和生成。给定用户帖子，该模型从知识库中检索相关知识图，然后使用静态图注意力机制对图进行编码，从而增强帖子的语义信息，从而更好地理解帖子。然后，在单词生成过程中，模型会专注地读取检索到的知识图谱和每个图中的知识三元组，以通过动态图注意力机制促进更好的生成。这是在会话生成中使用大规模常识知识的第一次尝试。此外，与单独和独立使用知识三元组（实体）的现有模型不同，我们的模型将每个知识图视为一个整体，在图中编码更多结构化、连接的语义信息。实验表明，所提出的模型可以产生比最先进的基线更合适和信息丰富的响应。

论文试图解决什么问题？

在对话系统中，使得模型更好理解语义信息的方法：

  1. 背景知识
  2. 对话上下文
  3. 深度理解用户输入

外部知识[背景知识]的类型：</