用于对话状态追踪的可修正生成方法
计算与语言
2021-11-01 v1
摘要
在任务型对话系统中，近期的对话状态追踪方法倾向于基于先前的对话状态对对话状态进行一遍式生成。这些模型在当前轮次所犯的错误容易带入下一轮次，造成错误传播。本文中，我们提出一种新颖的用于对话状态追踪的可修正生成方法 (AG-DST)，其包含两遍生成过程：(1) 基于当前轮次对话与先前对话状态生成原始对话状态；(2) 对第一遍生成的原始对话状态进行修正。借助额外的修正生成遍次，我们的模型被赋予通过学习修正原始对话状态中仍存在的错误来追踪更鲁棒的对话状态的任务，其在双重检查过程中起到修订者的作用，并缓解不必要的错误传播。实验结果表明，AG-DST 在两个活跃 DST 数据集 (MultiWOZ 2.2 与 WOZ 2.0) 上显著优于先前工作，取得了新的最优性能。
引用
@article{arxiv.2110.15659,
title = {Amendable Generation for Dialogue State Tracking},
author = {Xin Tian and Liankai Huang and Yingzhan Lin and Siqi Bao and Huang He and Yunyi Yang and Hua Wu and Fan Wang and Shuqi Sun},
journal= {arXiv preprint arXiv:2110.15659},
year = {2021}
}
备注
Presented at EMNLP 2021 NLP4ConvAI Workshop