面向口语理解迁移至新语言的源关键强化学习
计算与语言
2018-08-23 v2
摘要
要将口语理解(SLU)模型部署到新语言上,需要进行语言迁移以避免获取和标注新的大型SLU语料的麻烦。将原始SLU语料翻译为目标语言是一种有吸引力的策略。然而,SLU语料包含大量语义标签(槽位),通用翻译器无法很好地处理,更不用说额外的文化差异。本文关注于在给定极少量领域内并行SLU语料下的语言迁移任务。该领域内并行语料可用作对通用翻译器的首次适配。但更重要的是,我们展示了如何利用强化学习(RL)进一步微调适配后的翻译器,其中具有更恰当槽位标签的翻译句子获得更高奖励。我们在中文到英文的SLU系统语言迁移上评估了我们的方法。实验结果表明,通过适配和强化学习生成的英文SLU语料在槽位F1分数上超过97%,在领域分类准确率上超过84%。这证明了所提出语言迁移方法的有效性。与朴素翻译相比,我们提出的方法将领域分类准确率相对提升了22%,将槽填充F1分数相对提升了超过71%。
引用
@article{arxiv.1808.06167,
title = {Source-Critical Reinforcement Learning for Transferring Spoken Language Understanding to a New Language},
author = {He Bai and Yu Zhou and Jiajun Zhang and Liang Zhao and Mei-Yuh Hwang and Chengqing Zong},
journal= {arXiv preprint arXiv:1808.06167},
year = {2018}
}
备注
10 pages, 4 figures, COLING 2018