MOSS：具有模块化监督的端到端对话系统框架
人工智能
2019-09-13 v1 计算与语言
摘要
训练端到端任务型对话系统的一个主要瓶颈是数据匮乏。为了更高效地利用有限的训练数据，我们提出模块化监督网络（MOSS），一种编码器-解码器训练框架，可融合来自各种中间对话系统模块的监督，包括自然语言理解、对话状态跟踪、对话策略学习和自然语言生成。仅使用 60% 的训练数据，MOSS-all（即融合全部四个对话模块监督的 MOSS）在 CamRest676 上优于最先进的模型。此外，当对话任务具有更复杂的对话状态和动作空间时，引入模块化监督带来更大的收益。仅使用 40% 的训练数据，MOSS-all 在我们引入的复杂笔记本电脑网络故障排查数据集 LaptopNetwork 上优于最先进模型。LaptopNetwork 由真实客户与中文客服 agent 之间的对话构成。此外，MOSS 框架可在框架层和模型层容纳来自不同对话模块监督的对话。因此，MOSS 在真实部署中极具灵活更新能力。
引用
@article{arxiv.1909.05528,
title = {MOSS: End-to-End Dialog System Framework with Modular Supervision},
author = {Weixin Liang and Youzhi Tian and Chengcai Chen and Zhou Yu},
journal= {arXiv preprint arXiv:1909.05528},
year = {2019}
}