MetaASSIST：基于元学习的鲁棒对话状态跟踪
计算与语言
2022-10-25 v1
摘要
现有对话数据集的状态标注中含有大量噪声。此类噪声会损害模型训练并最终导致泛化性能不佳。近期提出的名为ASSIST的通用框架用于训练鲁棒对话状态跟踪（DST）模型。它引入一个辅助模型为含噪训练集生成伪标签。这些伪标签通过共用的固定加权参数与原始标签结合以训练主DST模型。尽管ASSIST在DST上有所改进，但加权参数的调优颇具挑战。此外，所有槽位与所有实例共享单一参数可能并非最优。为克服这些局限，我们提出基于元学习的框架MetaASSIST以自适应地学习加权参数。具体而言，我们提出三种具有不同灵活度的方案，范围从槽位级到槽位级与实例级兼备，将加权参数转化为可学习函数。这些函数以验证集作为元数据进行元学习训练。实验结果表明，三种方案均可取得有竞争力的性能。尤为突出的是，我们在MultiWOZ 2.4上取得了80.10%的最先进联合目标准确率。
引用
@article{arxiv.2210.12397,
title = {MetaASSIST: Robust Dialogue State Tracking with Meta Learning},
author = {Fanghua Ye and Xi Wang and Jie Huang and Shenghui Li and Samuel Stern and Emine Yilmaz},
journal= {arXiv preprint arXiv:2210.12397},
year = {2022}
}
备注
To appear at EMNLP 2022, 13 pages