Modélisation de la conversation multi-tour avec l'agrégation profonde des énoncés

La compréhension des conversations à plusieurs tours est un défi majeur pour la construction de systèmes de dialogue intelligents. Cette étude se concentre sur l'appariement de réponses basé sur la recherche pour les conversations à plusieurs tours, où les travaux antérieurs concatènent simplement les énoncés de la conversation, ignorant ainsi les interactions entre les énoncés précédents pour la modélisation du contexte. Dans cet article, nous formulons les énoncés précédents en contexte en utilisant un modèle d'agrégation d'énoncés profonds proposé, afin de créer une représentation contextuelle fine. Plus précisément, une attention d'appariement auto-orientée est d'abord introduite pour diriger l'information essentielle dans chaque énoncé. Ensuite, le modèle apparie une réponse avec chaque énoncé raffiné et le score final d'appariement est obtenu après agrégation attentive des tours. Les résultats expérimentaux montrent que notre modèle surpasses les méthodes de pointe actuelles sur trois benchmarks de conversations à plusieurs tours, y compris un nouveau corpus de dialogues e-commerce (e-commerce dialogue corpus).