面向多模态对话系统的基于复述生成与实体抽取的数据增强
计算与语言
2022-05-10 v1 人工智能
摘要
情境感知的智能体常被要求实时理解用户及其周围环境。我们的目标是构建能够辅助儿童学习过程的人工智能(AI)系统。在此类复杂框架中,口语对话系统(SDS)是处理游戏化学习场景下与儿童高效任务型沟通的关键构建模块。我们正致力于构建一个面向低龄儿童学习基础数学概念的多模态对话系统。我们的重点是在数据集有限的情况下改进任务型SDS流水线中的自然语言理解(NLU)模块。本工作探索了针对在小规模任务特定数据集上训练的NLU模型,利用复述生成进行数据增强的潜在益处。我们还研究了抽取实体以进一步扩展数据的可能效果。我们已经证明,使用小规模种子数据、采用模型在环(MITL)策略的复述方法是一种有前景的途径,可为意图识别任务带来性能提升。
引用
@article{arxiv.2205.04006,
title = {Data Augmentation with Paraphrase Generation and Entity Extraction for Multimodal Dialogue System},
author = {Eda Okur and Saurav Sahay and Lama Nachman},
journal= {arXiv preprint arXiv:2205.04006},
year = {2022}
}
备注
Proceedings of the 13th International Conference on Language Resources and Evaluation (LREC 2022)