摘要

神经任务导向对话系统通常难以平滑地与知识库进行交互。在本研究中，我们提出了一种新的神经对话代理，通过一种新颖的键值检索机制，该代理能够有效地维持基于事实的、多领域的对话。该模型端到端可微分，无需显式建模对话状态或信念追踪器。此外，我们发布了一个包含3,031段对话的新数据集，这些对话通过底层知识库进行事实支持，并涵盖了车载个人助理领域的三个不同任务：日程安排、天气信息检索和兴趣点导航。我们的架构同时在所有领域的数据上进行训练，并根据自动评估指标和人工评价指标，在提供的领域内显著优于竞争性的基于规则的系统和其他现有的神经对话架构。