面向对话状态跟踪模型的任务外训练
计算与语言
2020-11-19 v1
摘要
对话状态跟踪（DST）深受数据稀疏之苦。尽管许多自然语言处理（NLP）任务受益于迁移学习与多任务学习，在对话中这些方法受限于可用数据量及对话应用之特异性。本工作中，我们成功利用来自不相关 NLP 任务的非对话数据训练对话状态跟踪器。这为借助海量不相关 NLP 语料缓解 DST 固有的数据稀疏问题开辟了路径。
引用
@article{arxiv.2011.09379,
title = {Out-of-Task Training for Dialog State Tracking Models},
author = {Michael Heck and Carel van Niekerk and Nurul Lubis and Christian Geishauser and Hsien-Chin Lin and Marco Moresi and Milica Gašić},
journal= {arXiv preprint arXiv:2011.09379},
year = {2020}
}
备注
8 pages, 2 figures, to be published in Proceedings of the 28th International Conference on Computational Linguistics, Code at https://gitlab.cs.uni-duesseldorf.de/general/dsml/trippy-public