Mem2Seq: 지식베이스를 효과적으로 통합한 엔드투엔드 과제지향 대화 시스템

엔드투엔드 과제지향 대화 시스템은 일반적으로 지식 기반을 통합하는 데 어려움을 겪습니다. 본 논문에서는 이 문제를 해결하기 위해 메모리-투-시퀀스(Mem2Seq)라고 불리는 새로운 그러나 간단한 엔드투엔드 미분 가능한 모델을 제안합니다. Mem2Seq는 다중 홉 주의 메커니즘과 포인터 네트워크의 아이디어를 결합한 첫 번째 신경 생성 모델입니다. 우리는 경험적으로 Mem2Seq가 각 생성 단계를 어떻게 제어하며, 그 다중 홉 주의 메커니즘이 메모리 간의 상관 관계 학습에 어떻게 도움을 주는지를 보여줍니다. 또한, 우리의 모델은 복잡한 과제별 설계 없이도 매우 일반적입니다. 결과적으로, 우리는 Mem2Seq가 세 가지 다른 과제지향 대화 데이터셋에서 더 빠르게 훈련되고 최고 수준의 성능을 달성할 수 있음을 보여주었습니다.