面向流水线型任务型对话系统的联合系统级优化
计算与语言
2021-06-10 v1 机器学习
摘要
近期工作（Takanobu 等，2020）提出了对话系统的系统级评估，并发现先前工作中单个组件（如 NLU、策略）的改进在系统级评估中未必给流水线系统带来收益。为提升系统级性能，本文提出针对流水线对话系统的新联合系统级优化技术。首先，我们提出一种自动化 NLU 训练标注过程的数据增强方法。其次，我们提出一种基于泊松分布的随机策略参数化方法，可实现更好的探索并为策略梯度计算提供原则性途径。第三，我们提出奖励奖励金以帮助策略探索成功对话。我们的方法在自动系统级评估中以 12% 成功率、在标准多领域基准数据集 MultiWOZ 2.1 上以人类评估 16% 成功率的较大优势超越 Takanobu 等（2020）的竞争性流水线系统，并且也优于 DSTC9 近期最先进的端到端训练模型。
引用
@article{arxiv.2106.04835,
title = {Joint System-Wise Optimization for Pipeline Goal-Oriented Dialog System},
author = {Zichuan Lin and Jing Huang and Bowen Zhou and Xiaodong He and Tengyu Ma},
journal= {arXiv preprint arXiv:2106.04835},
year = {2021}
}
备注
13 pages