Mem2Seq: 知識ベースを効果的に組み込んだエンドツーエンドのタスク指向対話システム

端から端までのタスク指向対話システムは、一般的に知識ベースの組み込みに課題を抱えています。本論文では、この問題に対処するための新しいかつ単純なエンドツーエンド微分可能なモデルであるメモリトゥシーケンス（Memory-to-Sequence, Mem2Seq）を提案します。Mem2Seqは、記憶上のマルチホップ注意機構とポインターネットワークのアイデアを組み合わせた最初のニューラル生成モデルです。我々は実証的に、Mem2Seqが各生成ステップをどのように制御し、そのマルチホップ注意機構が記憶間の相関関係の学習にどのように役立つかを示します。さらに、当該モデルは複雑なタスク固有の設計なしで非常に汎用的です。その結果、Mem2Seqが3つの異なるタスク指向対話データセット上でより速く訓練でき、最先端の性能を達成できることを示しています。