通过分层序列生成实现可扩展且准确的对话状态跟踪
人工智能
2019-10-21 v2 计算与语言
摘要
现有的对话状态跟踪方法依赖于由一组所有可能槽类型和值组成的预定义本体。尽管此类方法在单域基准上表现出良好性能，但它们受限于计算复杂度随需跟踪的预定义槽数量成比例增加的问题。当涉及包含更大量槽的多域对话时，该问题更为严重。在本文中，我们研究如何在不使用预定义本体列表的生成框架下处理DST。给定每轮用户话语和系统响应，我们通过应用分层编码器-解码器结构直接生成信念状态序列。如此，我们模型的计算复杂度将为常数，与预定义槽的数量无关。在多域和单域对话状态跟踪数据集上的实验表明，我们的模型不仅可随预定义域和槽数量的增加轻松扩展，而且达到了最先进的性能。
引用
@article{arxiv.1909.00754,
title = {Scalable and Accurate Dialogue State Tracking via Hierarchical Sequence Generation},
author = {Liliang Ren and Jianmo Ni and Julian McAuley},
journal= {arXiv preprint arXiv:1909.00754},
year = {2019}
}
备注
The 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP 2019); Updated empirical results