本体增强的槽位填充
计算与语言
2021-08-26 v1
摘要
槽位填充是面向任务的对话系统中对话状态跟踪的一项基础任务。在多领域面向任务的对话系统中，用户话语和系统响应可能提及多个命名实体和属性值。系统需要选择那些被用户确认的实体和属性值，并将其填充到目标槽位中。一个难点在于，由于一个对话会话包含多个系统-用户轮次，由于输入词单元和 GPU 内存的容量限制，将所有词单元输入到诸如 BERT 之类的深度模型中可能具有挑战性。在本文中，我们研究了一种本体增强的方法，利用本体来匹配所有对话轮次中出现的命名实体。先前对话轮次中匹配到的实体将被累积并编码为基于 BERT 的对话状态跟踪器的附加输入。此外，我们的改进还包括本体约束检查和槽位名单元化的修正。实验结果表明，在 MultiWOZ 2.1 语料库上，我们本体增强的对话状态跟踪器将联合目标准确率（槽位 F1）从 52.63% (91.64%) 提高到了 53.91% (92%)。
引用
@article{arxiv.2108.11275,
title = {Ontology-Enhanced Slot Filling},
author = {Yuhao Ding and Yik-Cheung Tam},
journal= {arXiv preprint arXiv:2108.11275},
year = {2021}
}