协作式人机对话生成是否有助于从人类对话中抽取信息？
计算与语言
2024-02-21 v2
摘要
预训练语言模型的能力为探索新应用领域提供了机会，但涉及人人交互的应用受限于多数数据因隐私原因受保护而无法公开。真实应用中的问题解决型人类对话可能比现有 Wizard-of-Oz 采集数据复杂得多，导致域迁移难以成功。为支持私有呼叫中心数据集的信息抽取（IE），我们引入一种能够合成逼真对话的人机协同对话生成框架。在车险呼叫中心对话的 IE 实验中，我们将少量真实人类对话与合成数据增强后， 相对提升 25%。我们发布代码与合成数据集，以展现真实世界呼叫中心对话的复杂性，并鼓励构建更具自然数据代表性的复杂对话数据集。
引用
@article{arxiv.2307.07047,
title = {Does Collaborative Human-LM Dialogue Generation Help Information Extraction from Human Dialogues?},
author = {Bo-Ru Lu and Nikita Haduong and Chia-Hsuan Lee and Zeqiu Wu and Hao Cheng and Paul Koester and Jean Utke and Tao Yu and Noah A. Smith and Mari Ostendorf},
journal= {arXiv preprint arXiv:2307.07047},
year = {2024}
}