Improving Factual Consistency for Knowledge-Grounded Dialogue Systems via Knowledge Enhancement and Alignment

要約

事前訓練された言語モデル(PLM)に基づく知識ベース対話システムは、提供された知識ソースと事実上矛盾した応答を生成しがちである。このような一貫性のない応答では、対話モデルは依存する外部知識を正確に表現できない。Transformer内のフィードフォワードネットワーク(FFN)が事実に基づく知識表現を担うことを明らかにした先行研究に触発され、我々は、知識拡張とアライメントによって｛FFNの｝事実に基づく表現能力をそれぞれ効率的に向上させる2つの方法を研究する。まず、知識に基づく対話入力の具体的なパターンを考慮して、｛事実知識表現を強化するためにTransformers内に拡張FFNを｝｛明示的に｝導入する｛K-Dial｝を提案する。さらに、事実整合性のための強化学習(RLFC)法を適用し、事実整合性選好のためのゴールド知識と整合させることで、応答におけるFFNの表現を暗黙的に調整する。回答の事実整合性と対話品質を包括的に評価するために、我々は、洗練されたきめ細かなNLIベースの指標を含む、広範な自動測定と人間評価を採用する。WoWデータセットとCMU_DoGデータセットでの実験結果は、我々の手法がFFNモジュールの事実知識を伝達する能力を効率的に向上させることを実証し、知識に基づく対話システムの事実整合性を向上させる有効性を検証した。

要約(オリジナル)

Pretrained language models (PLMs) based knowledge-grounded dialogue systems are prone to generate responses that are factually inconsistent with the provided knowledge source. In such inconsistent responses, the dialogue models fail to accurately express the external knowledge they rely upon. Inspired by previous work which identified that feed-forward networks (FFNs) within Transformers are responsible for factual knowledge expressions, we investigate two methods to efficiently improve the factual expression capability {of FFNs} by knowledge enhancement and alignment respectively. We first propose \textsc{K-Dial}, which {explicitly} introduces {extended FFNs in Transformers to enhance factual knowledge expressions} given the specific patterns of knowledge-grounded dialogue inputs. Additionally, we apply the reinforcement learning for factual consistency (RLFC) method to implicitly adjust FFNs’ expressions in responses by aligning with gold knowledge for the factual consistency preference. To comprehensively assess the factual consistency and dialogue quality of responses, we employ extensive automatic measures and human evaluations including sophisticated fine-grained NLI-based metrics. Experimental results on WoW and CMU\_DoG datasets demonstrate that our methods efficiently enhance the ability of the FFN module to convey factual knowledge, validating the efficacy of improving factual consistency for knowledge-grounded dialogue systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL