廣州熱線

11月19日,由Google AI, Microsoft Research,Amazon Science和University of Edinburgh等機構(gòu)聯(lián)合舉辦的EMNLP ConvAI3比賽在Search-oriented Conversational AI SCAI EMNLP Workshop上揭曉最終結(jié)果,網(wǎng)易AI Lab在眾多參賽隊伍中脫穎而出,一舉奪得該NLP頂會的冠軍。這是網(wǎng)易AI Lab繼INTERSPEECH 2020的SdSV語種識別競賽,IJCAI的3D重建競賽后又一次問鼎國際AI競賽冠軍,也展示了其在AI多領(lǐng)域的領(lǐng)先研發(fā)實力。

EMNLP會議由國際語言學會ACL下屬的SIGDAT小組主辦,創(chuàng)立之初旨在關(guān)注統(tǒng)計機器學習方法在自然語言處理領(lǐng)域的應(yīng)用。近幾年,隨著基于大規(guī)模數(shù)據(jù)的機器學習方法尤其是深度學習的迅速發(fā)展,該會議參與人數(shù)也逐年增加。本次網(wǎng)易AI Lab參與的ConvAI3第三屆對話智能挑戰(zhàn)賽,則是EMNLP2020的重要比賽之一。

本次ConvAI3比賽重點考察參賽的對話系統(tǒng)是否能判斷用戶所提出的問題是“模糊而有歧義的”,并通過一輪和多輪的問題澄清,正確理解用戶的問題,提供用戶真正想要的搜索結(jié)果。

比賽共分為兩個階段。第一階段是一個自動的評測任務(wù),主要考察用戶query+系統(tǒng)澄清問題+用戶回答組合成新的query去進行文檔檢索得到的指標,和系統(tǒng)選擇的問題與真實標注的問題的召回率指標,所有指標均越高越好。

第一階段測評結(jié)果結(jié)果數(shù)據(jù)來源于convai.io

第二階段是一個多輪對話的評測任務(wù),首先評測在最多三輪對話的條件約束下,用盡可能少的對話輪次去澄清用戶的問題,從而檢索到指定的文檔,同時也評估最終文檔檢索的指標。第二階段要求實現(xiàn)一個完整的系統(tǒng),包括用戶問題是否需要被澄清的識別以及澄清問題的產(chǎn)生。

第二階段測評結(jié)果結(jié)果數(shù)據(jù)來源于convai.io

網(wǎng)易AI Lab隊名:NTES_ALONG首先為用戶問題設(shè)計了BERT的意圖識別模型,然后針對實際的比賽數(shù)據(jù)構(gòu)造了一個多任務(wù)目標數(shù)據(jù),從而建模多任務(wù)BERT語義匹配模型。在借助大規(guī)模語料的預(yù)訓(xùn)練知識的同時,提升系統(tǒng)在少量業(yè)務(wù)數(shù)據(jù)下的意圖識別和語義匹配能力。經(jīng)過兩輪的激烈角逐,網(wǎng)易AI Lab最終獲得了第三屆對話智能挑戰(zhàn)賽?ConvAI 3的冠軍。

校招客服平臺HRQA

網(wǎng)易AI Lab成立于2017年,在廣州、杭州、上海均設(shè)有分部,主要運用AI黑科技為旗下各大游戲工作室助力,并賦能給更多產(chǎn)品。目前,網(wǎng)易AI Lab研發(fā)的智能客服技術(shù)已經(jīng)使用在網(wǎng)易多款客服系統(tǒng),比如SA智能客服平臺Piggy和校招客服平臺HRQA。