SGD-QA：面向未知服务的快速模式引导对话状态跟踪
计算与语言
2021-05-18 v1 机器学习
摘要
对话状态跟踪是面向目标对话系统的关键部分，而这些状态跟踪模型大多难以处理未见过的服务。本文中，我们提出 SGD-QA，一种基于问答方法的简单且可扩展的模式引导对话状态跟踪模型。所提出的多遍模型在领域信息和对话话语之间共享单一编码器。领域的描述作为查询，对话话语作为上下文。在 SGD 数据集上，该模型相比单遍基线模型在未见服务上的性能至少提升 1.6 倍。SGD-QA 在与最先进的多遍模型相比时表现出有竞争力的性能，同时在内存消耗和训练性能方面显著更高效。我们通过对模型进行消融研究和错误分析提供了详尽的讨论。
引用
@article{arxiv.2105.08049,
title = {SGD-QA: Fast Schema-Guided Dialogue State Tracking for Unseen Services},
author = {Yang Zhang and Vahid Noroozi and Evelina Bakhturina and Boris Ginsburg},
journal= {arXiv preprint arXiv:2105.08049},
year = {2021}
}