用于对话状态追踪的循环神经网络
计算与语言
2016-07-15 v2
摘要
本文讨论了使用循环神经网络（RNN）进行对话状态追踪的模型。我们在标准对话状态追踪（DST）数据集 DSTC2 上进行了实验。一方面，RNN 模型已成为 DST 中的最先进（state of the art）模型；另一方面，大多数最先进模型仅基于回合且需要特定数据集的预处理（例如 DSTC2 专用）才能达到此类结果。我们实现了两种可用于增量设置且几乎不需要预处理的架构。我们将它们的性能与 DSTC2 上的基准进行比较并讨论其特性。仅需简单的预处理，我们模型的性能就接近最先进结果。
引用
@article{arxiv.1606.08733,
title = {Recurrent Neural Networks for Dialogue State Tracking},
author = {Ondřej Plátek and Petr Bělohlávek and Vojtěch Hudeček and Filip Jurčíček},
journal= {arXiv preprint arXiv:1606.08733},
year = {2016}
}
备注
Accepted to slo-nlp 2016