规划、生成与复杂化：通过易到难的零样本数据增强改进低资源对话状态跟踪
计算与语言
2024-06-14 v1
摘要
数据增强方法一直是提高低资源对话状态跟踪中小模型性能的有前景方向。然而，传统方法依赖于预定义的用户目标，忽略了数据复杂性在此任务中的重要性。在本文中，我们提出了EDZ-DA，一个用于低资源对话状态跟踪的易到难零样本数据增强框架，该框架利用大语言模型自动捕捉不同领域之间的关系，然后生成对话数据。我们还基于领域关系对对话进行复杂化，以增强模型在共指槽跟踪方面的能力。此外，我们对槽值进行排列，以减轻输出顺序的影响和不完整值生成的问题。实验结果表明，与MultiWOZ上先前强大的数据增强基线相比，我们提出的方法具有优越性。
引用
@article{arxiv.2406.08860,
title = {Plan, Generate and Complicate: Improving Low-resource Dialogue State Tracking via Easy-to-Difficult Zero-shot Data Augmentation},
author = {Ming Gu and Yan Yang},
journal= {arXiv preprint arXiv:2406.08860},
year = {2024}
}
备注
Accepted by ACL 2024 Findings