{Yoshihisa Kano & QingPeng Zhang Shuhei Tateishi Yuka Ozeki Makoto Nakatsuji}

الملخص

يُعد اختيار الاستجابة قضية بالغة الأهمية في مجتمع الذكاء الاصطناعي، وله تطبيقات حيوية على الويب. ومع ذلك، تميل دقة الاستجابات المختارة إلى أن تكون غير كافية نظرًا لضعف الوعي بالسياق، خاصة في المحادثات المفتوحة النطاق، حيث تمتلك الكلمات عادةً عدة معانٍ مختلفة حسب السياق. وحلّنا، SemSol، هو نموذج لاختيار الاستجابة يراعي المعرفة، ويُعالج هذه المشكلة من خلال استغلال المعاني المحددة بالسياق وراء الكلمات التي يتم مشاركتها ضمنيًا بين المستخدمين خلال الحوار. يقوم نموذج SemSol بتعلم تفسيرات معاني الكلمات (WSD) بشكل متزامن للكلمات في الحوار، وذلك بناءً على رسم معرفي مفتوح النطاق، أي WordNet، مع التعلم في الوقت نفسه حول مدى توافق السياق مع مرشحات الاستجابة. ثم يُحسّن SemSol دقة الاستجابة من خلال استغلال المعلومات الدلالية المتوفرة في الرسم المعرفي وفقًا لسياق الحوار. ويتعلم النموذج مواضيع التصريحات ضمن سياق مجموعة التدريب الكاملة. ويمكن أن توفر هذه المعرفة على مستوى الموضوعات معلومات محددة بالمواضيع ضمن سياق الحوار، مما يُحسّن من دقة تفسيرات معاني الكلمات (WSD) ودقة اختيار الاستجابة. وقد أظهرت التجارب على مجموعتي بيانات محادثات مفتوحة النطاق، Douban (بالصينية) وReddit (بالإنجليزية)، أن نموذج SemSol تفوق على النماذج القياسية المتطورة في مجالها. كما تم تصنيف SemSol في المرتبة الأولى على لوحة تحدي Douban.