[论文解读] Exploring Conversational Language Generation for Rich Content about Hotels

Marilyn Walker, Albry Smither+3 more|arXiv (Cornell University)|May 1, 2018

Topic Modeling参考文献 10被引用 4

一句话总结

本文提出了一种框架，利用通常在酒店描述中找到的丰富结构化内容，生成自然、对话式的语言。通过收集并分析三种类型的对话数据——自对话、基于语义表示的生成以及众包对话——该研究识别出正式书面描述与对话语言之间的关键风格差异，从而提升酒店对话系统中的自然语言生成与检索能力。

ABSTRACT

Dialogue systems for hotel and tourist information have typically simplified the richness of the domain, focusing system utterances on only a few selected attributes such as price, location and type of rooms. However, much more content is typically available for hotels, often as many as 50 distinct instantiated attributes for an individual entity. New methods are needed to use this content to generate natural dialogues for hotel information, and in general for any domain with such rich complex content. We describe three experiments aimed at collecting data that can inform an NLG for hotels dialogues, and show, not surprisingly, that the sentences in the original written hotel descriptions provided on webpages for each hotel are stylistically not a very good match for conversational interaction. We quantify the stylistic features that characterize the differences between the original textual data and the collected dialogic data. We plan to use these in stylistic models for generation, and for scoring retrieved utterances for use in hotel dialogues

研究动机与目标

• 解决对话代理在讨论酒店丰富内容方面的能力缺口，超越价格和位置等基本属性。
• 探究书面酒店描述与对话系统中自然对话语言在风格上的差异。
• 收集并分析多样化的对话数据，以指导复杂酒店信息自然语言生成模型的设计。
• 开发风格模型与评分函数，用于在多轮酒店对话中选择合适的语句。
• 提供一个公开可获取的数据集，用于训练和评估酒店领域对话代理。

提出的方法

• 开展了三项数据收集实验：自对话生成、基于语义表示的语句生成以及众包多轮对话。
• 使用语言学分析工具（LIWC）量化不同数据集之间的风格差异，重点关注个人代词、社会过程和现在时态焦点等特征。
• 将原始信息框描述（ORIG）与生成语句（PARA）、组合语句（PROP+ROOM）以及对话语句（DIAL）进行比较，以识别风格上的差异。
• 识别出关键风格特征——例如对话数据中个人代词和社交过程的使用频率更高——这些特征可区分对话语言与描述性语言。
• 提出利用识别出的语言学特征训练一个‘对话风格排序器’，以检索上下文合适的语句。
• 计划对收集到的语句进行模板化处理，并建立索引，以实现在对话系统中上下文感知的语句检索。

实验结果

研究问题

• RQ1 书面酒店描述的语言风格与酒店对话中自然对话语句的语言风格有何不同？
• RQ2 哪种数据收集方法能产生最适合酒店对话系统的自然且上下文恰当的语句？
• RQ3 哪些具体的风格特征可区分酒店领域中对话语言与正式书面描述？
• RQ4 能否利用风格特征训练一个模型，以对话语系统中的高质量、上下文相关的语句进行排序或检索？
• RQ5 如何将丰富、结构化的酒店内容有效转化为流畅、自然且上下文敏感的对话语句？

主要发现

• 原始书面酒店描述（ORIG）中个人代词的使用频率显著较低（0.06），社会过程特征也较低（4.81），而对话数据（DIAL）中分别达到10.17和14.66。
• DIAL条件表现出最高的对话特征水平，包括现在时态焦点（14.4）和社会过程（14.66），表明其与自然对话的对齐程度更强。
• PARA和PROP+ROOM条件表现出中间风格特征，个人代词使用频率高于ORIG但低于DIAL，表明与对话风格部分对齐。
• 自对话收集方法产生的语句听起来最自然，但成本最高，且直接复用存在挑战。
• 基于语义表示的生成方法产生了高质量语句，但缺乏上下文敏感性，表明需要引入上下文感知的优化。
• 所收集数据的语料库——涵盖多种风格和条件——已公开发布于 nlds.soe.ucsc.edu/hotels，供研究和模型训练使用。