用于多领域对话状态跟踪的高效上下文与模式融合网络
计算与语言
2020-10-08 v4 人工智能
摘要
对话状态跟踪（DST）旨在给定全部前文对话估计当前对话状态。对于多领域 DST，由于状态候选数与对话长度增加，数据稀疏性问题是主要障碍。为高效编码对话上下文，我们利用先前的（预测出的）对话状态与当前对话语句作为 DST 的输入。为考虑不同领域-槽位间的关系，引入了涉及先验知识的模式图（schema graph）。本文提出一种新颖的上下文与模式融合网络，通过使用内部与外部注意力机制来编码对话上下文与模式图。实验结果表明，我们的方法在 MultiWOZ 2.0 与 MultiWOZ 2.1 基准上均取得了开放词表 DST 的新的 SOTA 性能。
引用
@article{arxiv.2004.03386,
title = {Efficient Context and Schema Fusion Networks for Multi-Domain Dialogue State Tracking},
author = {Su Zhu and Jieyu Li and Lu Chen and Kai Yu},
journal= {arXiv preprint arXiv:2004.03386},
year = {2020}
}
备注
16 pages, 4 figures, 11 tables. Accepted to EMNLP 2020 Findings