一种基于机器阅读理解与 Wide & Deep 分类的端到端对话状态跟踪系统
计算与语言
2020-02-04 v2
摘要
本文描述了我们在 DSTC 8 Track 4：模式引导对话状态跟踪（Schema-Guided Dialogue State Tracking）中的方法。该任务的目标是基于任务模式提供的信息，预测每个用户轮次中的意图与槽位以完成对话状态跟踪（DST）。不同于传统的分阶段 DST，我们提出了一种端到端 DST 系统，以避免对话轮次间的误差累积。该 DST 系统由一个用于非分类槽位的机器阅读理解（MRC）模型和一个用于分类槽位的 Wide & Deep 模型组成。据我们所知，这是首次将 MRC 与 Wide & Deep 模型以完全端到端方式应用于 DST 问题。实验结果表明，我们的框架在包含 50% 零样本服务的测试数据集上取得了优异性能，联合目标准确率为 0.8652，槽位标注 F1 得分为 0.9835。
引用
@article{arxiv.1912.09297,
title = {An End-to-End Dialogue State Tracking System with Machine Reading Comprehension and Wide & Deep Classification},
author = {Yue Ma and Zengfeng Zeng and Dawei Zhu and Xuan Li and Yiying Yang and Xiaoyuan Yao and Kaijie Zhou and Jianping Shen},
journal= {arXiv preprint arXiv:1912.09297},
year = {2020}
}
备注
The Thirty-Fourth AAAI Conference on Artificial Intelligence DSTC 8 Workshop (AAAI-20, DSTC 8 Workshop)