基于 BERT 的面向目标多任务对话状态跟踪器
计算与语言
2020-02-10 v1 机器学习
机器学习
摘要
对话状态跟踪（DST）是 Alexa 或 Siri 等虚拟助手的核心组件。为完成各类任务，这些助手需要支持日益增长的服务与 API。第八届对话系统技术挑战赛的 Schema-Guided State Tracking 赛道突出了未知服务的 DST 问题。组织者引入了具有多领域对话的 Schema-Guided Dialogue（SGD）数据集，并发布了一个零样本对话状态跟踪模型。本工作中，我们提出一个受阅读理解问答系统架构启发的 GOaL-Oriented Multi-task BERT-based 对话状态跟踪器（GOLOMB）。该模型以槽位与服务描述以及槽位可能取值“查询”对话历史。这允许在多领域对话中迁移槽位取值，并具备扩展到未知槽位类型的能力。我们的模型在 SGD 数据集上取得了 53.97% 的联合目标准确率，优于基线模型。
引用
@article{arxiv.2002.02450,
title = {Goal-Oriented Multi-Task BERT-Based Dialogue State Tracker},
author = {Pavel Gulyaev and Eugenia Elistratova and Vasily Konovalov and Yuri Kuratov and Leonid Pugachev and Mikhail Burtsev},
journal= {arXiv preprint arXiv:2002.02450},
year = {2020}
}