摘要
目前，研究人员对开放域中的检索式对话问题给予了广泛关注。特别是，人们通过基于公开认可的基准数据集，研究多轮对话中上下文与回复之间的匹配问题，以实现多轮回复选择。现有的最先进方法要求回复从初始阶段便与上下文中的每一句话进行交互，但这种交互方式较为浅层。本文提出一种“交互之上的交互网络”（Interaction-over-Interaction Network, IoI），通过深度化话语与回复之间的交互过程，提升匹配效果。该模型通过堆叠多个交互模块，使前一次交互所保留的残差信息能够驱动下一轮交互，从而以迭代方式从话语-回复对内部提取匹配信息，并通过表示向量在模块链中传递信息。在三个基准数据集上的实验结果表明，IoI 在多种匹配指标上显著优于现有最先进方法。进一步的分析还揭示了交互深度对 IoI 性能的影响机制。