面向波斯语聊天机器人的混合对话状态跟踪：一种基于语言模型的方法
计算与语言
2025-10-02 v1 人工智能
摘要
对话状态跟踪（DST）是对话式AI的重要组成部分，其目标是深入理解对话上下文并引导其满足用户请求。由于对开放域和多轮聊天机器人的需求很高，传统的基于规则的DST效率不足，因为它无法在复杂对话中为类人体验提供所需的适应性和连贯性。本研究提出了一种混合DST模型，该模型利用基于规则的方法以及语言模型，包括用于槽位填充和意图检测的BERT、用于意图验证的XGBoost、用于DST的GPT，以及用于实时答案生成的在线智能体。该模型经过独特设计，在一个全面的波斯语多轮对话数据集上进行了评估，并在基于波斯语的聊天机器人中展示出比现有方法显著提高的准确性和连贯性。结果证明了混合方法如何有效提升DST能力，为更加定制化、适应性强且类人的对话式AI系统铺平了道路。
引用
@article{arxiv.2510.01052,
title = {Hybrid Dialogue State Tracking for Persian Chatbots: A Language Model-Based Approach},
author = {Samin Mahdipour Aghabagher and Saeedeh Momtazi},
journal= {arXiv preprint arXiv:2510.01052},
year = {2025}
}
备注
22 pages, 1 figure. Submitted to Natural Language Engineering