面向神经对话生成的半监督显式状态跟踪
计算与语言
2018-09-03 v1
摘要
对话生成任务旨在根据先前的话语自动提供回复。跟踪对话状态是估计用户意图的对话生成中的重要组成部分。然而，状态标注的昂贵性质与弱可解释性使得对话状态跟踪对于任务导向与非任务导向的对话生成都是一个具有挑战性的问题：对于任务导向对话中的回复生成，状态跟踪通常从人工标注的语料中学习，而人工标注对于训练而言成本高昂；对于非任务导向对话中的回复生成，由于对话状态数量无限，现有大多数工作忽略了显式状态跟踪。本文提出用于神经对话生成的半监督显式对话状态跟踪器 (SEDST)。为此，我们的方法包含两个核心要素：CopyFlowNet 与后验正则化。具体而言，我们提出一种称为 CopyFlowNet 的编码器-解码器架构，以词表空间上的概率分布来表示显式对话状态。为优化训练过程，我们采用后验正则化策略以整合间接监督。在任务导向与非任务导向对话语料上进行的广泛实验证明了我们所提出模型的有效性。此外，我们发现所提出的半监督对话状态跟踪器在状态跟踪过程中取得了与最先进的监督学习基线相当的性能。
引用
@article{arxiv.1808.10596,
title = {Explicit State Tracking with Semi-Supervision for Neural Dialogue Generation},
author = {Xisen Jin and Wenqiang Lei and Zhaochun Ren and Hongshen Chen and Shangsong Liang and Yihong Zhao and Dawei Yin},
journal= {arXiv preprint arXiv:1808.10596},
year = {2018}
}