面向对话式 AI 的数据增强
计算与语言
2024-03-05 v2 信息检索
摘要
对话系统的进步已经革新了信息获取方式，超越了单查询的局限。然而，开发对话系统需要大量训练数据，这在低资源领域和语言中是一项挑战。众包等传统数据收集方法劳动密集且耗时，在此背景下效率低下。数据增强（DA）是缓解对话系统数据稀缺问题的一种有效方法。本教程全面且及时地概述了对话系统背景下的 DA 方法。它重点介绍了对话增强、开放域与任务导向对话生成以及评估这些模型的不同范式方面的最新进展。我们还讨论了当前的挑战与未来方向，以帮助研究者和从业者进一步推进该领域的发展。
引用
@article{arxiv.2309.04739,
title = {Data Augmentation for Conversational AI},
author = {Heydar Soudani and Evangelos Kanoulas and Faegheh Hasibi},
journal= {arXiv preprint arXiv:2309.04739},
year = {2024}
}