近日，谷歌宣布開放兩個(gè)新的自然語言對(duì)話數(shù)據(jù)集，分別是 Coached Conversational Preference Elicitation(CCPE)和 Taskmaster-1。這兩個(gè)數(shù)據(jù)集旨在對(duì)更接近人類對(duì)話的數(shù)據(jù)進(jìn)行更詳細(xì)的標(biāo)注，并提供到自然語言處理相關(guān)研究者更符合生活實(shí)際的數(shù)據(jù)內(nèi)容。谷歌發(fā)布了相關(guān)內(nèi)容詳細(xì)介紹該開放數(shù)據(jù)集，編譯如下。

 

 

數(shù)據(jù)集背景

目前，智能助理能夠完成多類任務(wù)并返回多個(gè)主題的個(gè)性化結(jié)果，例如：電影列表、餐廳預(yù)訂和旅行計(jì)劃等。然而，盡管近年來，我們?cè)谶@方面取得了巨大進(jìn)步，但智能助理依舊未能達(dá)到人類理解的水平。

產(chǎn)生這樣的結(jié)果，一部分是由于智能助理缺乏高質(zhì)量的訓(xùn)練數(shù)據(jù);而這些數(shù)據(jù)恰好能夠準(zhǔn)確地反映人們向智能助理表達(dá)的需求和偏好方式。

正是因?yàn)檫@些系統(tǒng)的局限性會(huì)影響我們表達(dá)的「我們希望得到理解」的內(nèi)容，因此我們常常選擇調(diào)整自己的言辭，而反過來去適應(yīng)智能助理所能理解的內(nèi)容。換言之，現(xiàn)在的智能助理對(duì)話理解能力，遠(yuǎn)遠(yuǎn)沒有達(dá)到人類所需的對(duì)話復(fù)雜程度。

更自然的對(duì)話框數(shù)據(jù)集

為了解決這個(gè)問題，我們發(fā)布了 Coached Conversational Preference Elicitation(CCPE)和 Taskmaster-1 對(duì)話框數(shù)據(jù)集。兩個(gè)集合都使用了 Wizard-of-Oz 平臺(tái)(https://en.wikipedia.org/wiki/Wizard_of_Oz_experiment)，該平臺(tái)能夠?qū)�兩個(gè)進(jìn)行口語對(duì)話的人匹配，就像那些想要擁有真正有效的智能助理的人一樣。

對(duì)于這兩個(gè)數(shù)據(jù)集，Wizard-of-Oz 平臺(tái)內(nèi)部的設(shè)計(jì)旨在獨(dú)特地模仿現(xiàn)在基于語音的智能助理，在自動(dòng)化系統(tǒng)的環(huán)境中保留口語對(duì)話的特征。

由于「人類助理」可以準(zhǔn)確地理解用戶所要求的內(nèi)容，因此我們能夠捕捉用戶如何將自己真實(shí)地表達(dá)給「完美」的智能助理，以便我們可以繼續(xù)改進(jìn)這樣的系統(tǒng)。

 

 

CCPE 數(shù)據(jù)集

CCPE 全稱為 Coached Conversational Preference Elicitation，它是我們提出的一種在對(duì)話中獲得用戶偏好的新方法，即它允許收集自然但結(jié)構(gòu)化的會(huì)話偏好。通過研究一個(gè)領(lǐng)域的對(duì)話，我們對(duì)人們?nèi)绾蚊枋鲭娪捌�好進(jìn)行了簡(jiǎn)要的定量分析;并且向社區(qū)發(fā)布了 CCPE-M 數(shù)據(jù)集，該數(shù)據(jù)集中有超過 500 個(gè)電影偏好對(duì)話，表達(dá)了 10,000 多個(gè)偏好。

具體而言，它由 502 個(gè)對(duì)話框組成的數(shù)據(jù)集，在用戶和助理之間用自然語言討論電影首選項(xiàng)時(shí)有 12,000 個(gè)帶注釋的發(fā)音。它通過兩個(gè)付費(fèi)人群工作者之間的對(duì)話收集，其中一個(gè)工作人員扮演「助手」的角色，而另一個(gè)工作人員扮演「用戶」的角色�！钢�手」按照 CCPE 方法引出關(guān)于電影的「用戶」偏好。

助理提出的問題旨在盡量減少「用戶」用來盡可能多地傳達(dá)他或她的偏好的術(shù)語中的偏見，并以自然語言獲得這些偏好。每個(gè)對(duì)話框都使用實(shí)體提及、關(guān)于實(shí)體表達(dá)的首選項(xiàng)、提供的實(shí)體描述以及實(shí)體的其他語句進(jìn)行注釋。

偏好啟發(fā)

在面向電影的 CCPE 數(shù)據(jù)集中，冒充用戶的個(gè)人對(duì)著麥克風(fēng)講話，并且音頻直接播放給冒充數(shù)字助理的人�！钢�手」則輸出他們的響應(yīng)，然后通過文本到語音向用戶播放。

這些雙人自然對(duì)話包括在使用合成對(duì)話難以復(fù)制的雙方之間自發(fā)發(fā)生的不流暢和錯(cuò)誤。這創(chuàng)建了一系列關(guān)于人們電影偏好的自然且有條理的對(duì)話。

在對(duì)這個(gè)數(shù)據(jù)集的觀察中，我們發(fā)現(xiàn)人們描述他們的偏好的方式非常豐富。該數(shù)據(jù)集是第一個(gè)大規(guī)模表征該豐富度的數(shù)據(jù)集。我們還發(fā)現(xiàn)，偏好也稱為選項(xiàng)的特征，并不總是與智能助理的方式相匹配，或者與推薦網(wǎng)站的方式相匹配。換言之，你最喜愛的電影網(wǎng)站或服務(wù)上的過濾器，可能與你在尋求個(gè)人推薦時(shí)描述各種電影時(shí)使用的語言并不匹配。

有關(guān) CCPE 數(shù)據(jù)集的詳細(xì)信息，請(qǐng)參閱我們的研究論文(https://ai.google/research/pubs/pub48414)，該論文將在 2019 年話語與對(duì)話特別興趣小組(https://www.aclweb.org/portal/content/sigdial-2019-annual-meeting-special-interest-group-discourse-and-dialogue-call-special)年會(huì)上發(fā)布。

Taskmaster-1 數(shù)據(jù)集

在 Taskmaster-1 的對(duì)話框數(shù)據(jù)集中，已經(jīng)累計(jì)了 13215 個(gè)基于任務(wù)的對(duì)話框，包含 7708 個(gè)書面表達(dá)以及 5507 個(gè)口語表達(dá)數(shù)據(jù)。該數(shù)據(jù)集內(nèi)容覆蓋了六個(gè)生活領(lǐng)域，包括：訂購披薩，創(chuàng)建汽車維修預(yù)約，設(shè)置租車，訂購電影票，訂購咖啡飲料和預(yù)訂餐廳。

面向任務(wù)的對(duì)話框

該數(shù)據(jù)集通過兩個(gè)程而創(chuàng)建，每個(gè)程序都具有獨(dú)特的優(yōu)勢(shì)。第一個(gè)涉及兩個(gè)人口頭交流的「Wizard-of-Oz」方法，其中受過訓(xùn)練的智能體和人互動(dòng)以完成任務(wù);而第二個(gè)是「自我對(duì)話」，其中由單人書面技術(shù)增加語料庫大小和說話者多樣性，包含了大約 7700 寫入「自我對(duì)話」條目和約 5500 個(gè)雙人口語對(duì)話。

對(duì)于書面對(duì)話，我們讓人們根據(jù)每個(gè)任務(wù)概述的場(chǎng)景自己創(chuàng)建完整的對(duì)話，從而扮演用戶和助手的角色。因此，雖然口語對(duì)話更接近地反映了會(huì)話語言，但書面對(duì)話既適當(dāng)豐富又復(fù)雜，但更便宜且更容易收集。

我們不會(huì)將工作者限制在詳細(xì)的腳本或小型知識(shí)庫中，因此我們觀察到與現(xiàn)有數(shù)據(jù)集相比，這一數(shù)據(jù)集包含更真實(shí)和多樣化的對(duì)話。

我們還提供了幾種基線模型，包括具有基準(zhǔn)性能的最先進(jìn)神經(jīng)機(jī)器翻譯架構(gòu)以及定性人體評(píng)估。對(duì)話框標(biāo)有 API 調(diào)用和參數(shù)，這是一種簡(jiǎn)單且經(jīng)濟(jì)有效的方法，可避免復(fù)雜注釋模式的要求。對(duì)話模型和服務(wù)提供者 API 之間的抽象層允許給定模型與提供類似功能的多個(gè)服務(wù)交互。

與傳統(tǒng)的，詳細(xì)的策略相比，我們只關(guān)注每種類型的會(huì)話的 API 參數(shù)，而不僅僅是執(zhí)行事務(wù)所需的變量。例如，在關(guān)于安排乘坐共享的對(duì)話框中，我們將「到」和「從」位置標(biāo)記為汽車類型(經(jīng)濟(jì)、豪華、帶游泳池等)。對(duì)于電影票，我們標(biāo)記電影名稱、劇院、時(shí)間、票數(shù)，有時(shí)還有屏幕類型(例如 3D 或標(biāo)準(zhǔn))。語料庫版本中都包含了完整的標(biāo)簽列表。

Taskmaster-1 數(shù)據(jù)集(https://ai.google/research/pubs/pub48484)相關(guān)內(nèi)容，在 2019 年自然語言處理經(jīng)驗(yàn)方法會(huì)議(https://www.emnlp-ijcnlp2019.org/)上出現(xiàn)的研究論文中進(jìn)行了詳細(xì)描述。

我們希望這些數(shù)據(jù)集對(duì)于研究界在對(duì)話系統(tǒng)和會(huì)話推薦中的實(shí)驗(yàn)和分析都是有用的。

 

 

文章鏈接

https://ai.googleblog.com/

CCPE 數(shù)據(jù)集下載相關(guān)：

https://storage.googleapis.com/dialog-data-corpus/CCPE-M-2019/data.json

Taskmaster-1 數(shù)據(jù)集下載相關(guān)：

https://storage.googleapis.com/dialog-data-corpus/TASKMASTER-1-2019/landing_page.html

標(biāo)簽： 數(shù)據(jù)集 自然語言

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。