LUNA：面向对话状态追踪的槽位-轮次对齐学习方法
计算与语言
2022-05-06 v1
摘要
对话状态追踪（DST）旨在给定对话历史预测当前对话状态。现有方法通常利用所有对话轮次的语句来为每个槽位赋值。由于对话历史中来自无关语句的信息可能无用甚至造成混淆，这可能导致次优结果。为解决该问题，我们提出 LUNA，一种增强型槽位-轮次对齐（sLot-tUrN Alignment）方法。它首先显式地将每个槽位与其最相关的语句对齐，然后基于该对齐语句而非所有对话语句进一步预测对应值。此外，我们设计了一个槽位排序辅助任务，以学习槽位间的时间相关性，从而促进对齐。我们在多领域任务型对话数据集 MultiWOZ 2.0、MultiWOZ 2.1 和 MultiWOZ 2.2 上进行了全面实验。结果表明，LUNA 在这些数据集上取得了新的 SOTA 结果。
引用
@article{arxiv.2205.02550,
title = {LUNA: Learning Slot-Turn Alignment for Dialogue State Tracking},
author = {Yifan Wang and Jing Zhao and Junwei Bao and Chaoqun Duan and Youzheng Wu and Xiaodong He},
journal= {arXiv preprint arXiv:2205.02550},
year = {2022}
}
备注
Accepted to NAACL 2022