要約
応答選択は、ウェブ上で重要な応用を持つAI分野における重要な課題である。しかし、特に意味が文脈によって多義的となるオープンドメイン対話において、文脈認識が不足しているため、選択された応答の正確性は十分でない傾向にある。本研究では、この問題に対処するため、対話の過程でユーザー間で暗黙的に共有される語の文脈依存的意味を活用する知識意識型応答選択モデル「SemSol」を提案する。SemSolは、オープンドメイン知識グラフ（WordNet）に基づき、対話中の語の意味あいまいさ解消（WSD）を同時に学習しつつ、文脈と応答候補との一致度を学習する。その後、対話の文脈に応じて知識グラフ内の意味情報を活用することで、応答の正確性を向上させる。本モデルは、全体の訓練データセットの文脈において発話のトピックを学習する。このトピックレベルの知識は、対話文脈におけるトピック固有の情報を提供し、結果としてWSDの精度および応答選択の正確性を向上させる。中国語のDoubanおよび英語のRedditという2つのオープンドメイン対話データセットを用いた実験により、SemSolモデルが最先端のベースラインを上回ることが確認された。SemSolはDoubanのリーダーボードで第1位にランクインしている。