基于语义条件的对话响应生成通过层次解耦自注意力机制

在有限域内，语义控制的神经响应生成已经取得了显著的性能。然而，向多域大规模场景扩展被证明是困难的，因为随着域数量的增加，语义输入的可能组合呈指数级增长。为了解决这一可扩展性问题，我们利用对话行为的结构构建了一个多层次的层次图，其中每个行为都被表示为从根节点到叶节点的一条路径。然后，我们将这种图结构作为归纳偏置纳入模型中，构建了一个层次解耦自注意力网络，在该网络中我们解耦了注意力头以建模对话行为图中的指定节点。通过在每一层激活不同的（解耦）注意力头，可以对组合式的许多对话行为语义进行建模，从而控制神经响应生成。在大规模多域WOZ数据集上，我们的模型在各种自动评估和人工评估指标上均显著优于基线模型。