每次我解雇一名对话设计师，对话系统的性能就下降
计算与语言
2025-02-18 v1 人工智能
摘要
将显式领域知识融入基于神经网络的任务型对话系统，是减少对大量标注对话需求的有效途径。本文研究对话设计师的显式领域知识的使用如何影响基于神经网络的对话系统的性能。为支持该探究，我们提出对话逻辑注入神经网络系统（CLINN），其中显式知识以半逻辑规则编码。通过使用 CLINN，我们评估了一组不同技能水平的对话设计师所产生的半逻辑规则。我们在 MultiWOZ 数据集的 Restaurant 主题上进行了实验。结果表明，外部知识对于减少对话系统对标注样本的需求极为重要。事实上，CLINN 中使用的来自对话设计师的规则显著优于 SOTA 的基于神经网络的对话系统。
引用
@article{arxiv.2109.13029,
title = {Every time I fire a conversational designer, the performance of the dialog system goes down},
author = {Giancarlo A. Xompero and Michele Mastromattei and Samir Salman and Cristina Giannone and Andrea Favalli and Raniero Romagnoli and Fabio Massimo Zanzotto},
journal= {arXiv preprint arXiv:2109.13029},
year = {2025}
}