通过辨识相关上下文改进对话状态跟踪
计算与语言
2019-04-08 v1
摘要
典型的对话包含参与者之间关于不同话题的多轮来回交流。在每一用户轮次，对话状态跟踪（DST）旨在通过处理当前话语来估计用户目标。然而，在许多轮次中，用户隐式地指代先前的目标，需要使用相关的对话历史。尽管如此，区分相关历史具有挑战性，而一种流行的利用对话近期性来做此事的方法效率低下。因此，我们提出了一种用于DST的新框架，它通过参考特定槽值发生变化的过去话语来识别相关的历史上下文，并将其与加权系统话语一起用于确定相关上下文。具体而言，我们使用当前用户话语和最近系统话语来确定系统话语的相关性。实证分析表明，相较于先前最先进的GLAD模型，我们的方法在WoZ 2.0和MultiWoZ 2.0餐厅领域数据集上分别将联合目标准确率提高了2.75%和2.36%。
引用
@article{arxiv.1904.02800,
title = {Improving Dialogue State Tracking by Discerning the Relevant Context},
author = {Sanuj Sharma and Prafulla Kumar Choubey and Ruihong Huang},
journal= {arXiv preprint arXiv:1904.02800},
year = {2019}
}
备注
NAACL 2019