超越粒度：面向对话状态跟踪的多视角对话协同选择
计算与语言
2022-05-23 v1
摘要
在对话状态跟踪中，对话历史是关键素材，其利用方式因模型而异。然而，无论对话历史如何被使用，现有每个模型在整个状态跟踪过程中对各个槽位均使用其自身一致的对话历史，而不论更新的是哪个槽位。显然，在不同轮次更新不同槽位需要不同的对话历史。因此，使用一致的对话内容可能导致针对不同槽位的信息不足或冗余，进而影响整体性能。为解决该问题，我们设计 DiCoS-DST 来动态选择与各槽位对应的相关对话内容以进行状态更新。具体而言，它首先检索对话历史的轮次级话语，并从三个视角组合评估其与槽位的相关性：（1）其与槽位名称的显式关联；（2）其与当前轮次对话的相关性；（3）隐式提及导向推理。随后这些视角被组合以产生决策，且仅被选对话内容被送入状态生成器，其显式最小化传递至下游状态预测的干扰信息。实验结果表明，我们的方法在 MultiWOZ 2.1 与 MultiWOZ 2.2 上取得新的最优性能，并在多个主流基准数据集（包括 Sim-M、Sim-R 与 DSTC2）上取得优越性能。
引用
@article{arxiv.2205.10059,
title = {Beyond the Granularity: Multi-Perspective Dialogue Collaborative Selection for Dialogue State Tracking},
author = {Jinyu Guo and Kai Shuang and Jijie Li and Zihan Wang and Yixuan Liu},
journal= {arXiv preprint arXiv:2205.10059},
year = {2022}
}
备注
Accepted by ACL 2022 main conference (long paper)