将对话摘要作为对话状态（DS2）：用于少样本对话状态追踪的模板引导摘要方法
计算与语言
2022-03-04 v1 人工智能
摘要
标注任务型对话因其昂贵且困难的数据收集过程而声名狼藉。少样本对话状态追踪（DST）是这一问题的一个现实解决方案。在本文中，我们假设对话摘要本质上就是非结构化的对话状态；因此，我们提出将对话状态追踪重新表述为一个对话摘要问题。具体而言，我们使用由一组从对话状态出发的规则生成的基于模板的合成对话摘要来训练一个文本到文本的语言模型。然后，可以通过逆向应用摘要生成规则来恢复对话状态。我们经实验表明，我们的方法 DS2 在 MultiWoZ 2.0 和 2.1 上的少样本 DST 中，在跨域和多域设定下均优于先前的工作。我们的方法在训练和推理期间也展现出极大的加速，因为它可以一次性生成所有状态。最后，基于我们的分析，我们发现摘要模板的自然性对于成功训练起着关键作用。
引用
@article{arxiv.2203.01552,
title = {Dialogue Summaries as Dialogue States (DS2), Template-Guided Summarization for Few-shot Dialogue State Tracking},
author = {Jamin Shin and Hangyeol Yu and Hyeongdon Moon and Andrea Madotto and Juneyoung Park},
journal= {arXiv preprint arXiv:2203.01552},
year = {2022}
}
备注
ACL 2022 (Long, Findings)