多用户 MultiWOZ：多用户间的任务型对话
计算与语言
2023-11-01 v1
摘要
尽管大多数任务型对话假设智能体一次与一名用户对话，但对话系统日益被期望能同时与多名协作决策的用户沟通。为推进此类系统的开发，我们发布了 Multi-User MultiWOZ 数据集：两名用户与一名智能体之间的任务型对话。为收集该数据集，将 MultiWOZ 2.2 中每个用户话语替换为两名用户间在语义和语用上与原用户话语一致的小型聊天，从而产生相同的对话状态与系统响应。这些对话反映了任务型场景中协作决策的有趣动态，例如社交闲聊与商议。基于该数据，我们提出了新颖的多用户上下文查询重写任务：将两名用户间的任务型聊天重写为简洁的任务型查询，仅保留任务相关信息且可被对话系统直接消费。我们证明，在多用户对话中，使用预测的重写可在不修改为单用户对话训练的现有对话系统的前提下显著提升对话状态追踪。此外，该方法优于直接在多用户对话上训练中等规模模型，并可泛化至未见过领域。
引用
@article{arxiv.2310.20479,
title = {Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users},
author = {Yohan Jo and Xinyan Zhao and Arijit Biswas and Nikoletta Basiou and Vincent Auvray and Nikolaos Malandrakis and Angeliki Metallinou and Alexandros Potamianos},
journal= {arXiv preprint arXiv:2310.20479},
year = {2023}
}
备注
To Appear in EMNLP-Findings 2023