开放领域人机对话技术研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61876096
项目类别：
面上项目
资助金额：
65.0万
负责人：
黄民烈
依托单位：
清华大学
学科分类：
F0606.自然语言处理
结题年份：
2022
批准年份：
2018
项目状态：
已结题
起止时间：
2019-01-01 至2022-12-31

项目参与者：
郑银河；周昊；周曼桐；柯沛；张正；张尧钦；
关键词：
聊天机器人深度学习自然语言处理语言生成开放域对话系统

项目摘要

As the fast development of chatting robots and virtual assistants in various applications, human-machine conversation has attracted much research efforts. Since the emergence of deep learning, it has rapidly advanced the techniques of conversation and dialogue generation, however, it's still extremely difficult to build human-level dialogue systems due to the inability of tackling semantics, logics, consistency, and interactiveness in conversations. In this project, we are targeting at addressing the issues of the semantics, logics, consistency, and interactiveness in conversational interactions. More specifically, we will study 1) to improve the content quality of conversation generation, 2) the dialogue strategies in single-turn and multi-turn dialogue systems, such as questioning behaviors and proactive behaviors, 3) how to perceive and expression emotions in conversations, and how to model emotional interactions, and 4) how the identity, character, or personality can be embedded into conversational systems. This project will definitely advance the techniques of current dialogue systems.

随着聊天机器人和各种业务助理的兴起，人机对话技术获得了前所未有的关注。近些年基于深度学习的人机对话技术得到了快速的发展，但距离"类人"水平的对话技术还非常遥远，尤其是在对话过程中的语义性、逻辑性、一致性、交互性等方面还存在显著不足，值得研究者进行深入长期的探索。本项目致力于研究在开放域人机对话中如何提高语义性、逻辑性、一致性、交互性，计划开展下面的研究工作:研究对话生成模型和算法改进生成质量，研究对话交互中提问、主动式对话策略，研究对话交互中的情感感知与表达，研究对话交互中的身份、个性和人格体现。我们认为，这些研究尝试将推动人机对话技术的发展。

结项摘要

本项目致力于构建“类人”的对话系统，提高开放域人机对话系统的语义性、逻辑性、一致性、交互性。围绕这个主题，本项目从以下几个方面进行了探索：.1）高质量对话生成：本项目通过外部资源的引入，研究基于知识的对话生成方法，通过知识注入促进对话模型生成高信息量的对话回复。相关成果多次得到国内外专家的引用。本项目还持续构建并开源了一系列大规模中文对话预训练模型，推动了中文对话预训练方向的发展，受到学术界和工业界的广泛关注。.2）对话交互的策略研究：提出了记忆增强的对话管理模型，解决现有模型无法建模长对话中长距离依赖的问题；针对复杂任务下难以通过人工定义奖励函数的问题，提出了基于对抗式逆向强化学习的策略学习方法，显著增强了对话系统的状态追踪能力和决策能力。.3）对话交互中的情感感知与表达：借鉴了心理学基础理论和认知理论，包含 Hill 助人理论和常识推理、认知共情等，构建了首个情感对话标准数据集，提出多要素层次化共情生成和常识共情对话生成方法，显著增强了对话模型的情感感知和表达能力。.4）对话机器人身份、个性和人格嵌入：提出了基于预训练语言模型的个性化对话生成方法和基于非平行语料的风格化对话生成方法，解决了低资源情况下的人格与风格嵌入，为对话机器人在个性化和人格化方向的发展奠定了坚实的基础。..项目成果获得 ACL 2019 最佳演示论文奖提名， SIGDIAL 2020 最佳论文奖（20年历史上亚洲作者首次获奖）， NLPCC 2020 最佳学生论文奖。项目负责人黄民烈副教授获吴文俊人工智能科学技术奖一等奖，并获国家杰出青年科学基金、国家自然科学基金重点项目资助，项目成员周昊获中国中文信息学会 2021 年优秀博士论文奖，关健同学获得微软学者提名的称号。