对话图：面向非确定性对话管理的数据增强、训练与评估
计算与语言
2020-11-05 v2
摘要
任务型对话系统通常依赖大量高质量训练数据或需要复杂的手工规则。然而，考虑到对话的复杂性，现有数据集规模往往有限。此外，常规的训练信号推断不适用于非确定性智能体行为，即在相同对话状态下将多个动作视为有效。我们提出对话图（ConvGraph），一种基于图的对话表示，可用于数据增强、多参考训练以及非确定性智能体的评估。ConvGraph 生成新颖的对话路径以增加数据量与多样性。在三个数据集上的内在与外在评估表明，使用 ConvGraph 进行数据增强和/或多参考训练可将对话成功率提高至多 6.4%。
引用
@article{arxiv.2010.15411,
title = {Conversation Graph: Data Augmentation, Training and Evaluation for Non-Deterministic Dialogue Management},
author = {Milan Gritta and Gerasimos Lampouras and Ignacio Iacobacci},
journal= {arXiv preprint arXiv:2010.15411},
year = {2020}
}
备注
Accepted at Transactions of Association of Computational Linguistics (to be presented at ACL 2021)