一种用于对话状态追踪的序列到序列方法
计算与语言
2021-06-01 v2 人工智能
信息检索
摘要
本文关注任务型对话系统中的对话状态追踪（DST）。尽管近期已取得显著进展，构建高效能的 DST 模块仍具挑战。本文提出一种称为 Seq2Seq-DU 的对话状态追踪新方法，将 DST 形式化为序列到序列问题。Seq2Seq-DU 采用两个基于 BERT 的编码器分别编码对话中的话语和模式描述，一个注意力模块计算话语嵌入与模式嵌入之间的注意力，以及一个解码器生成指针以表示当前对话状态。Seq2Seq-DU 具有以下优势：可联合建模意图、槽位和槽值；可基于 BERT 利用话语与模式的丰富表示；可有效处理类别型与非类别型槽位以及未见的模式。此外，Seq2Seq-DU 也可用于对话系统的 NLU（自然语言理解）模块。在不同设置下的基准数据集（SGD、MultiWOZ2.2、MultiWOZ2.1、WOZ2.0、DSTC2、M2M、SNIPS 和 ATIS）上的实验结果表明，Seq2Seq-DU 优于现有方法。
引用
@article{arxiv.2011.09553,
title = {A Sequence-to-Sequence Approach to Dialogue State Tracking},
author = {Yue Feng and Yang Wang and Hang Li},
journal= {arXiv preprint arXiv:2011.09553},
year = {2021}
}
备注
Accepted by ACL 2021