要約
ニューラルモデルは対話システムにおいて競争力のある結果を達成していますが、重要なエンティティを無視するなど、コアセマンティクスの表現能力に制限があることが示されています。この問題に対処するために、我々は抽象意味表現（Abstract Meaning Representation: AMR）を用いて対話モデリングの支援を行います。テキスト入力と比較して、AMRは明確にコアセマンティクス情報を提供し、データの希少性を低減します。我々は文レベルのAMRから対話レベルのAMRグラフを構築するアルゴリズムを開発し、AMRを対話システムに組み込むための2つの方法を探求しました。対話理解および応答生成タスクにおける実験結果は、我々のモデルの優位性を示しています。当該研究では、形式的な意味表現をニューラル対話モデリングに活用した初めての試みであると認識しています。