Skip to content

2019语言与智能技术竞赛-基于知识图谱的主动聊天

Notifications You must be signed in to change notification settings

zhpmatrix/lic2019-competition

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

17 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

一. 任务形式化

这个赛道的目标是设立基于知识图谱的主动聊天任务。知识驱动对话-官网地址

输入:

对话目标g,其中g=START->TOPIC_A->TOPIC_B;表示机器从冷启动状态主动聊到话题A,然后聊到话题B。意味着在该任务中,由机器主动的引导对话;在该任务中,具体的话题包括电影和娱乐人物主体。

相关知识信息M,其中M=f1,f2,...,fn. 包括三类,分别是:话题A的知识信息,话题B的知识信息,话题A和话题B的关联信息。在该任务中,具体的相关知识信息包括电影票房,导演和评价等,以SPO形式表示。也就是(Subject, Predicate, Object),即(实体一,谓词,实体二)。

当前对话序列H=u1,u2,...u(t-1)

输出:

机器回复ut.

二.数据介绍(见官方网站)

三.评价方法

自动评估指标和人工评估指标结合。自动评估指标考虑三个层面的度量,分别是字级别(F1-score),词级别(BLEU)和回复多样性(DISTINCT)。关于回复多样性,还是基于词的计算,不过考察的是生成词的另外一个维度。在参考2中作者这样写道:

distinct-1 and distinct-2 are respectively the number of distinct unigrams and bigrams divided by total number of generated words

四.一般流程

参考PyTorch官方提供的tutorial(见参考4),从seq2seq的角度解决问题的方法是,将多轮对话拆分成平行句。例如,针对当前对话序列H=u1,u2,...u(t-1),可以拆分成t-2组样本,分别是:u1->u2;u2->u3;...;u(t-2)->u(t-1);但是,这样的划分方式存在明显的问题是:句子之间的平滑。这应该是一个问题,但是还没有深入思考过。

五.想法实现

目前,重构了PyTorch官方的Chatbot的Tutorial代码,将各个模块解耦出来,顺带发现了一个Bug。在此基础上,准备实现一个baseline,代码地址

实现思路上,主要参考论文《A Knowledge-Grounded Neural Conversation Model》,包括两个主要部分:

第一:如何将知识图谱的信息嵌入到模型中;

第二: memory机制的实现;

补充:

IJCAI16的文章《Neural Generative Question Answering》的3.2节提出了两种方式用于输入和KG的交互:

第一: Bilinear Model

第二: CNN-based Matching Model

参考:

0.www2018,《DKN: Deep Knowledge-Aware Network for News Recommendation》

1.第六届全国社会媒体处理大会-SMP2017中文人机对话技术评测(ECDT)

包含两个任务:用户意图领域分类和特定域任务型人机对话在线评测

2.《A Diversity-Promoting Objective Function for Neural Conversation Models》

3.《A Persona-Based Neural Conversation Model》

4.chatbot tutorial with pytorch

5.2018JDDC的对话比赛亚军方案

6.机器如何猜你所想?阿里小蜜预测平台解密

7.拆开阿里小蜜的内核,看智能人机交互的实现逻辑

8.一文揭秘!自底向上构建知识图谱全过程

9.为电商而生的知识图谱,如何感应用户需求?

10.健康知识图谱,阿里工程师如何实现?

About

2019语言与智能技术竞赛-基于知识图谱的主动聊天

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages