Key points are not available for this paper at this time.
Die Kommunikation von Chatbots, in der ein Roboter in natürlicher Sprache mit einem Menschen in einem offenen Bereich kommuniziert, hat erhebliche Fortschritte gemacht. Dennoch leidet sie weiterhin unter Problemen wie einem Mangel an Vielfalt und kontextueller Relevanz. In diesem Papier schlagen wir ein Modell zur Antwortgenerierung vor, das auf Abruf und Polierung (RP) basiert und eine Entwurfantwort auf der Grundlage eines abgerufenen Prototyps verfeinert. Insbesondere verwenden wir zunächst einen Prototypauswähler, um einen kontextuell ähnlichen Prototyp abzurufen. Dann wird ein generierungsbasierter Polierer entwickelt, um eine polierte Antwort zu erhalten. Schließlich führen wir einen polierten Antwortfilter ein, um zu entscheiden, ob die endgültige Antwort die abgerufene Antwort oder die polierte Antwort sein sollte. Umfangreiche Experimente an einem Dialogkorpus zeigen, dass unsere Methode retrieval-basierten und generation-basierten Chatbots hinsichtlich Flüssigkeit, kontextueller Relevanz und Antwortvielfalt überlegen ist. Konkret erzielt unser Modell im Vergleich zu mehreren starken Baseline-Modellen erhebliche Verbesserungen.
Zhang et al. (Wed,) haben diese Frage untersucht.
Synapse has enriched 2 closely related papers on similar clinical questions. Consider them for comparative context: