Retrieval Augmented Generation - 2021年05月
Using social network and semantic analysis to analyze online travel forums and forecast tourism demand
发布时间：2021-05-17
作者：A Fronzetti Colladon, B Guardabascio, R Innarella
中文摘要：
预测旅游需求对政策制定者和旅游业运营公司都具有重要意义。在本研究中，我们应用了社交网络和语义分析的方法和工具，来研究从互动于TripAdvisor旅行论坛的在线社区中检索到的用户生成内容。我们分析了7个主要欧洲首都的论坛，在10年的时间跨度内，收集了超过2,660,000篇由约147,000用户撰写的帖子。我们提出了一种新的分析旅游相关大数据的方法，以及一套可以整合到传统预测模型中的变量。我们实现了包含社交网络和语义变量的因子增广自回归和桥接模型，这些模型通常比单变量模型和基于谷歌趋势数据的模型具有更好的预测性能。论坛语言复杂度和沟通网络的集中化，即杰出贡献者的存在，是更有助于预测国际机场到达人数的变量。
一句话总结：
本研究通过社交网络和语义分析，提出了一种基于大数据的旅游需求预测新方法，提高了预测准确性。
Retrieval-Free Knowledge-Grounded Dialogue Response Generation with Adapters
发布时间：2021-05-13
作者：Yan Xu, Etsuko Ishii, Samuel Cahyawijaya, Zihan Liu, Genta Indra Winata, Andrea Madotto, Dan Su, Pascale Fung
中文摘要：
为了使生成的对话响应更加多样化和丰富，近年来人们开始研究基于知识的对话。现有的方法通过在大语料库中检索相关句子并使用显式的额外信息来增强对话，以应对知识定位的挑战。尽管这些方法取得了成功，但现有的工作在推理效率方面存在不足。本文提出了一种名为KnowExpert的框架，该框架通过轻量级的适配器绕过显式检索过程，并将知识注入到预训练的语言模型中，以适应基于知识的对话任务。据我们所知，这是在开放域闲聊场景下，首次尝试在没有检索的情况下应对这一挑战。实验结果表明，KnowExpert在推理效率上表现出色，与一些基于检索的基线相当，证明了我们提出的方法的有效性。
一句话总结：
本文提出的KnowExpert框架通过轻量级适配器将知识注入预训练语言模型，实现了高效且与检索基线相当的性能，为基于知识的对话任务提供了一种新的解决方案。