FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems

要約

タイトル：FCC：対話システムにおける文脈的応答ランキングのための対話履歴と候補者由来情報を融合する

要約：

– レトリーバルベースの対話システムにおいて、応答のランキングは重要な役割を果たす。
– マルチターンの対話において、会話の要点を把握するためには文脈情報が必要である。
– 本論文では、複数のチャンネルから文脈情報を統合する柔軟なニューラルフレームワークを提案する。
– 提案手法は、対話履歴と候補者由来のドメイン知識を並列で提供する「FCC」を使い、応答のランキング性能向上を図る。
– 提案手法は、他の文脈志向タスクにも汎用的に応用可能なモジュールとして機能する。
– MSDialogデータセットにおいて提案手法の性能を評価した結果、過去の最高性能モデルよりもRecall@1が7％、MAPが4％向上し、有効性が示された。
– また、各情報チャンネルやフレームワークの構成要素が全体的なランキング性能に与える貢献を評価するために、除去実験も実施した。

要約(オリジナル)

Response ranking in dialogues plays a crucial role in retrieval-based conversational systems. In a multi-turn dialogue, to capture the gist of a conversation, contextual information serves as essential knowledge to achieve this goal. In this paper, we present a flexible neural framework that can integrate contextual information from multiple channels. Specifically for the current task, our approach is to provide two information channels in parallel, Fusing Conversation history and domain knowledge extracted from Candidate provenance (FCC), where candidate responses are curated, as contextual information to improve the performance of multi-turn dialogue response ranking. The proposed approach can be generalized as a module to incorporate miscellaneous contextual features for other context-oriented tasks. We evaluate our model on the MSDialog dataset widely used for evaluating conversational response ranking tasks. Our experimental results show that our framework significantly outperforms the previous state-of-the-art models, improving Recall@1 by 7% and MAP by 4%. Furthermore, we conduct ablation studies to evaluate the contributions of each information channel, and of the framework components, to the overall ranking performance, providing additional insights and directions for further improvements.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI