用于对话状态追踪的思维链解释
计算与语言
2024-03-12 v2
摘要
对话状态追踪（DST）旨在通过维护预定义的槽位及其对应值，记录对话交互过程中的用户查询和目标。当前的方法以不透明的方式决定槽位值，而人类通常采用一种更为深思熟虑的方法，从相关的对话轮次中收集信息，然后推理出合适的值。在这项工作中，我们关注于确定槽位值所需的步骤，提出了一种名为思维链解释（CoTE）的 DST 任务模型。CoTE 构建于生成式 DST 框架之上，旨在确定槽位值后逐步创建详细的解释。这一过程带来了更准确和可靠的槽位值。此外，为了提高 CoTE 的推理能力，我们进一步通过自动改写构建了更流畅、更高质量的解释，由此产生了 CoTE-refined 方法。在三个广泛认可的 DST 基准测试——MultiWOZ 2.2、WoZ 2.0 和 M2M 上的实验结果证明了 CoTE 的卓越有效性。此外，通过细致的细粒度分析，我们观察到 CoTE 在具有较长对话轮次、用户响应和推理步骤特征的样本上展现出显著优势。
引用
@article{arxiv.2403.04656,
title = {Chain of Thought Explanation for Dialogue State Tracking},
author = {Lin Xu and Ningxin Peng and Daquan Zhou and See-Kiong Ng and Jinlan Fu},
journal= {arXiv preprint arXiv:2403.04656},
year = {2024}
}