基于强化数据增强的对话状态跟踪
计算与语言
2019-11-19 v2 人工智能
机器学习
摘要
神经对话状态跟踪器通常受限于标注训练数据的数量与多样性不足。本文通过提出一种基于强化学习（RL）的数据增强框架来解决这一困难，该框架可生成高质量数据以改进神经状态跟踪器。具体而言，我们引入一种新颖的情景多臂老虎机生成器，以学习细粒度的增强策略，通过对特定上下文选择合适的替换来生成新的有效样本。此外，通过在生成器与状态跟踪器之间交替学习，我们可以不断精炼生成策略，为神经状态跟踪器生成更高质量的训练数据。在 WoZ 与 MultiWoZ（餐厅）数据集上的实验结果表明，所提框架相较最先进模型显著提升了性能，尤其在训练数据有限时。
引用
@article{arxiv.1908.07795,
title = {Dialog State Tracking with Reinforced Data Augmentation},
author = {Yichun Yin and Lifeng Shang and Xin Jiang and Xiao Chen and Qun Liu},
journal= {arXiv preprint arXiv:1908.07795},
year = {2019}
}
备注
AAAI 2020