一、概述
title：Doc2Bot: Accessing Heterogeneous Documents via Conversational Bots
论文地址：Doc2Bot: Accessing Heterogeneous Documents via Conversational Bots - ACL Anthology
数据地址（大概5千多轮开源数据）：GitHub - Doc2Bot/Doc2Bot
modescope地址：ModelScope 魔搭社区
1.1 Motivation
- 有些公司以及组织有大量的手册以及说明书，基于这些文档对话完成信息查找非常有用。
- 文档有很多种结构（本文，表格等），目前大部分数据集主要是纯文本。
- 用户需求通常没有明确说明。
1.2 Methods
- 构建了5大领域，多种文档类型的数据集，超过10万轮对话数据。
- 提出了dst（对话状态跟踪）、dpl（对话策略学习）、dg（对话生成）三个任务来完成这个数据集。
- 提出了一种基于文档构件数据集的策略（引入图的结构，然后根据图的路径，由总包模拟生成对话数据）。
1.3 Conclusion
- 测试了机器处理各种类型的文档数据集的能力 + 澄清用户需求的能力。
- 该任务还是有挑战性的，特别在文档检索任务上指标还偏差，值得进一步研究。
1.4 limitation
- 构建文档的graph结构还需要大量人工参与，比较麻烦。
- 暂时还没包括无法回答的case。
- 由于隐私等其他原因，只开放了部分数据。
二、baseline任务说明
三、详细内容
3.1 基于文档（文档有段落、表格等各种各样的形式）对话例子
3.2 基于文档构件graph（后续基于graph来生成对话）
3.3 对话数据统计
- user action的比例 + system action比例
- 5大领域，以纯文本为主，但是还是包括其他类型的document
3.4 baseline实验
Dialog State Tracking
- user action预测（分类问题）
- grounding text prediction：找出文档依据的来源（检索 + 分类）
Dialog Policy Learning
- 系统action预测（分类问题） + 节点预测（分类问题）
- 回复生成（生成模型）
3.5 真实数据 举例
