4 个月前

交互式匹配网络在基于检索的聊天机器人中用于多轮响应选择

交互式匹配网络在基于检索的聊天机器人中用于多轮响应选择

摘要

在本文中,我们提出了一种用于多轮响应选择任务的交互匹配网络(Interactive Matching Network, IMN)。首先,IMN 从三个方面构建词表示,以应对词汇表外(Out-of-Vocabulary, OOV)词的挑战。其次,设计了一种具有分层编码能力并能通过注意力机制生成更具描述性的表示的注意分层递归编码器(Attentive Hierarchical Recurrent Encoder, AHRE)。最后,计算了整个多轮上下文与响应候选之间的双向交互,以提取它们之间的匹配信息。在四个公开数据集上的实验表明,IMN 在所有指标上均优于基线模型,达到了新的最先进性能,并展示了跨领域的多轮响应选择兼容性。

代码仓库

JasonForJoy/IMN
官方
tf
GitHub 中提及

基准测试

基准方法指标
conversational-response-selection-on-douban-1IMN
MAP: 0.570
MRR: 0.615
P@1: 0.433
R10@1: 0.262
R10@2: 0.452
R10@5: 0.789
conversational-response-selection-on-eIMN
R10@1: 0.621
R10@2: 0.797
R10@5: 0.964
conversational-response-selection-on-ubuntu-1IMN
R10@1: 0.794
R10@2: 0.889
R10@5: 0.974
R2@1: 0.946

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
交互式匹配网络在基于检索的聊天机器人中用于多轮响应选择 | 论文 | HyperAI超神经