基于掩码分层Transformer的高效对话状态跟踪
计算与语言
2021-07-01 v1
摘要
本文描述了我们参与DSTC 9 Track 2：跨语言多领域对话状态跟踪的方法，任务目标是利用富资源语言训练集与低资源语言测试集构建跨语言对话状态跟踪器。我们分别提出了槽操作分类任务与状态跟踪任务的联合学习方法。此外，我们设计了一种新颖的掩码机制以融合对话的上下文信息，结果表明所提模型在DSTC Challenge II上取得优异性能，在MultiWOZ(en-zh)数据集与CrossWOZ(zh-en)数据集上的联合准确率分别为62.37%与23.96%。
引用
@article{arxiv.2106.14433,
title = {Efficient Dialogue State Tracking by Masked Hierarchical Transformer},
author = {Min Mao and Jiasheng Liu and Jingyao Zhou and Haipang Wu},
journal= {arXiv preprint arXiv:2106.14433},
year = {2021}
}
备注
6 pages, 3 figures