ASSIST：面向标签噪声鲁棒的对话状态跟踪
计算与语言
2022-03-15 v2 人工智能
摘要
MultiWOZ 2.0数据集极大地推动了对话状态跟踪（DST）的研究。然而，其状态标注中发现了大量噪声。此类噪声给鲁棒训练DST模型带来了巨大挑战。尽管最近发布了包括MultiWOZ 2.1-2.4在内的若干精修版本，仍存在大量噪声标签，尤其在训练集中。此外，修正所有问题标注代价高昂。本文中，我们不再进一步提升标注质量，而是提出一个名为ASSIST（lAbel noiSe-robuSt dIalogue State Tracking）的通用框架，用于从噪声标签中鲁棒训练DST模型。ASSIST首先使用在小型干净数据集上训练的辅助模型为训练集中每个样本生成伪标签，然后将生成的伪标签与原始噪声标签一同用于训练主模型。我们从理论上证明了ASSIST的有效性。实验结果还表明，与仅使用原始噪声标签相比，ASSIST在MultiWOZ 2.0上将对DST的联合目标准确率提升高达，在MultiWOZ 2.4上提升。
引用
@article{arxiv.2202.13024,
title = {ASSIST: Towards Label Noise-Robust Dialogue State Tracking},
author = {Fanghua Ye and Yue Feng and Emine Yilmaz},
journal= {arXiv preprint arXiv:2202.13024},
year = {2022}
}
备注
Findings of ACL 2022, 13 pages