一种用于多方可服务聊天组中轮次交替学习的混合方案
计算与语言
2020-01-20 v1 形式语言与自动机理论
摘要
预测多方对话中下一个最有可能交互的参与者是一个困难问题。在基于文本的聊天组中，唯一可用信息为发送者、文本内容及对话历史。本文中，我们通过对语料库与架构的研究，展示这些信息如何用于预测任务，该架构集成了基于最大似然期望（MLE）、卷积神经网络（CNN）与有限状态自动机（FSA）的轮次交替分类器。语料库是 Multi-Domain Wizard-of-Oz 数据集（MultiWOZ）向多旅游服务机器人场景的合成适配，包含对话错误，创建以模拟用户交互并评估该架构。我们给出的实验结果显示，CNN 方法以 92.34% 准确率优于基线，而 MLE、CNN 与 FSA 的集成方案表现更优，达 95.65%。
引用
@article{arxiv.2001.06350,
title = {A Hybrid Solution to Learn Turn-Taking in Multi-Party Service-based Chat Groups},
author = {Maira Gatti de Bayser and Melina Alberio Guerra and Paulo Cavalin and Claudio Pinhanez},
journal= {arXiv preprint arXiv:2001.06350},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1907.02090