利用外部知识进行未登录词实体标注
机器学习
2019-08-28 v1 计算与语言
机器学习
摘要
在真实世界的多领域对话状态跟踪任务中，处理先前未见的槽位是一个具有挑战性的问题。其他方法依赖预定义映射来生成候选槽键及其关联值，然而当键、值或两者在训练期间均未出现时，这种方法可能会失效。为解决该问题，我们引入了一种利用外部知识库（KBs）来更好地分类未登录词槽键和值的神经网络。该网络将槽位投影到从知识库导出的属性空间中，并通过利用该空间中的相似性，向对话状态跟踪器提出候选槽键和值。我们提供了大量实验，证明我们的策略能够改进依赖于预定义候选映射的先前方法。具体而言，我们通过使用由我们的网络生成的候选来训练一个最先进的模型来评估该方法，与上述模型的当前候选生成策略相比，其 F1 分数和准确率分别获得了 57.7% 和 82.7% 的相对提升。
引用
@article{arxiv.1908.09936,
title = {Leveraging External Knowledge for Out-Of-Vocabulary Entity Labeling},
author = {Adrian de Wynter and Lambert Mathias},
journal= {arXiv preprint arXiv:1908.09936},
year = {2019}
}
备注
8 pages