SF-DST：基于自馈信念状态输入与辅助任务的少样本阅读理解对话状态跟踪
计算与语言
2022-09-19 v1
摘要
少样本对话状态跟踪（DST）模型即使使用少量数据也能以可靠准确率跟踪对话中的用户请求。本文中，我们引入一种无本体、具有自馈信念状态输入的少样本DST。自馈信念状态输入通过总结先前对话提高了多轮对话中的准确率。此外，我们新开发了一个槽门辅助任务。该新辅助任务有助于分类对话中是否提及了某个槽。我们的模型在multiWOZ 2.0上四个领域的少样本设定中取得了最佳分数。
引用
@article{arxiv.2209.07742,
title = {SF-DST: Few-Shot Self-Feeding Reading Comprehension Dialogue State Tracking with Auxiliary Task},
author = {Jihyun Lee and Gary Geunbae Lee},
journal= {arXiv preprint arXiv:2209.07742},
year = {2022}
}
备注
Accepted in INTERSPEECH 2022