基于预测对话状态与对话多层融合的对话状态跟踪
计算与语言
2021-07-13 v1
摘要
近来多数对话状态跟踪(DST)方法利用上下文与上一轮对话状态来跟踪当前对话状态,后者通常为槽值对。尽管上下文包含完整对话信息,该信息通常较为间接,甚至需要推理方能获取。已预测对话状态中的信息虽直接,但一旦出现预测错误,来自该来源的信息便不完整或有误。本文提出基于预测对话状态与对话多层融合的对话状态跟踪网络(FPDSC)。该模型通过对每轮话语、对应上一轮对话状态及对话槽位之间的交互建模,提取各对话轮次的信息;随后由层次化结构聚合各轮表示以形成篇章信息,并用于 DST 当前轮次。实验结果在 MultiWOZ 2.0 与 MultiWOZ 2.1 数据集上分别以 55.03% 与 59.07% 联合准确率验证了融合网络的有效性,达到了当前最优性能。此外,我们在 MultiWOZ 2.1 上进行了删值与相关槽位实验以评估所提模型。
引用
@article{arxiv.2107.05168,
title = {Dialogue State Tracking with Multi-Level Fusion of Predicted Dialogue States and Conversations},
author = {Jingyao Zhou and Haipang Wu and Zehao Lin and Guodun Li and Yin Zhang},
journal= {arXiv preprint arXiv:2107.05168},
year = {2021}
}
备注
SIGDIAL 2021 Accepted paper