面向大型本体的鲁棒对话状态跟踪
计算与语言
2016-05-10 v1 人工智能
机器学习
摘要
对话状态跟踪挑战4（DSTC 4）与之前三届的不同之处如下：本体中存在的槽值对数量大得多，未给出口语理解输出，且话语在子对话级别标注。本文描述了一种新颖的对话状态跟踪方法，旨在这些条件下鲁棒地工作，使用了精细的字符串匹配、为对话定制的共指消解以及一些其他改进。该方法能正确识别许多未在话语中显式出现的值。在最终评测中，我们的方法在7个竞争队伍和24个提交中名列第一。我们的方法在话语级评测和子对话级评测中实现的F1分数分别比第二名高9和7个百分点。
引用
@article{arxiv.1605.02130,
title = {Robust Dialog State Tracking for Large Ontologies},
author = {Franck Dernoncourt and Ji Young Lee and Trung H. Bui and Hung H. Bui},
journal= {arXiv preprint arXiv:1605.02130},
year = {2016}
}
备注
Paper accepted at IWSDS 2016