STAR：用于迁移学习的模式引导对话数据集
计算与语言
2020-10-23 v1
摘要
我们提出 STAR，一个模式引导的任务型对话数据集，包含 127,833 条话语和知识库查询，涵盖 13 个领域中的 5,820 个任务型对话，其特别设计用于促进任务型对话中的任务和领域迁移学习。此外，我们提出一种可扩展的众包范式，以收集与 STAR 质量相同的任意大规模数据集。而且，我们引入了新颖的模式引导对话模型，其利用任务显式描述从已知任务泛化到未知任务。我们展示了这些模型的有效性，尤其是在跨任务和领域的零样本泛化方面。
引用
@article{arxiv.2010.11853,
title = {STAR: A Schema-Guided Dialog Dataset for Transfer Learning},
author = {Johannes E. M. Mosig and Shikib Mehri and Thomas Kober},
journal= {arXiv preprint arXiv:2010.11853},
year = {2020}
}
备注
Equal contribution: Johannes E. M. Mosig, Shikib Mehri