ARTA：歧义请求与周到动作的收集与分类
计算与语言
2021-06-16 v1
摘要
诸如对话系统之类的人类辅助系统必须不仅对清晰无歧义的用户请求，而且对已歧义的用户请求采取周到且适当的动作，即使用户自身未意识到其潜在需求。为构建此类对话智能体，我们收集了一个语料库并开发了一个将歧义用户请求分类至相应系统动作的模型。为收集高质量语料，我们让标注人员输入其预定义动作可被视为周到的前置用户请求。尽管单个用户请求可识别出多个周到动作，但标注所有用户请求与系统动作的组合并不现实。因此，我们仅对测试数据进行了完整标注，训练数据标注保持不完整。为在此类训练数据上训练分类模型，我们采用了正例/未标注（PU）学习方法，其假设仅部分数据被标注为正例。实验结果表明，给定歧义用户请求分类周到动作时，PU 学习方法取得了优于通用正例/负例（PN）学习方法的性能。
引用
@article{arxiv.2106.07999,
title = {ARTA: Collection and Classification of Ambiguous Requests and Thoughtful Actions},
author = {Shohei Tanaka and Koichiro Yoshino and Katsuhito Sudoh and Satoshi Nakamura},
journal= {arXiv preprint arXiv:2106.07999},
year = {2021}
}
备注
Accepted by The 22nd Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL2021)