TripleNet: トリプルアテンションネットワークを用いた検索型チャットボットのマルチターン応答選択

応答選択において、異なる発話の重要性は通常、現在のクエリに依存する。本論文では、従来の研究で用いられてきた＜コンテキスト、応答＞ではなく、＜コンテキスト、クエリ、応答＞というトリプルを完全にモデル化するためのモデルTripleNetを提案する。TripleNetの核心は、トリプル内の関係を4つのレベルでモデル化する新しい注意メカニズムであるtriple attention（トリプルアテンション）である。この新メカニズムは、他の2つの要素との同時的かつ対称的な注意に基づいて各要素の表現を更新する。予測のために、文字レベルからコンテキストレベルまで応答を中心に据えた＜C, Q, R＞というトリプルをマッチングする。2つの大規模マルチターン応答選択データセットでの実験結果は、提案されたモデルが最先端の手法を大幅に上回ることを示している。TripleNetのソースコードはhttps://github.com/wtma/TripleNet で入手可能である。