摘要
尽管神经网络模型在对话系统中已经取得了具有竞争力的结果，但它们在表示核心语义方面的能力仍然有限，例如忽略重要实体。为此，我们利用抽象意义表示（Abstract Meaning Representation, AMR）来辅助对话建模。与文本输入相比，AMR 明确提供了核心语义知识，并减少了数据稀疏性。我们开发了一种算法，可以从句子级别的 AMR 构建对话级别的 AMR 图，并探索了两种将 AMR 融入对话系统的方法。实验结果表明，我们的模型在对话理解和响应生成任务上均表现出优越性。据我们所知，这是首次将形式化的语义表示引入神经网络对话建模的研究。