用于对话状态跟踪的循环多项式网络
计算与语言
2015-11-24 v2
摘要
对话状态跟踪（DST）是一个在对话推进过程中估计对话状态分布的过程。关于约束马尔可夫贝叶斯多项式（CMBP）框架的近期研究在弥合 DST 中基于规则的方法与统计方法之间的差距方面迈出了第一步。在本文中，通过一种新颖的框架——循环多项式网络（RPN），这一差距得到了进一步的弥合。RPN 的独特结构使该框架具备 CMBP 的所有优势，包括高效性、可移植性和可解释性。此外，与 CMBP 相比，RPN 实现了更多统计方法的特性。RPN 在第二届和第三届对话状态跟踪挑战赛（DSTC-2/3）的数据语料库上进行了评估。实验表明，在相似的特征集下，RPN 能够显著优于传统的基于规则的方法和统计方法。与具有更丰富特征的最先进统计 DST 方法相比，RPN 也具有竞争力。
引用
@article{arxiv.1507.03934,
title = {Recurrent Polynomial Network for Dialogue State Tracking},
author = {Kai Sun and Qizhe Xie and Kai Yu},
journal= {arXiv preprint arXiv:1507.03934},
year = {2015}
}