面向任务型对话系统中零样本与少样本知识寻求轮次检测
计算与语言
2021-09-21 v1 人工智能
机器学习
摘要
大多数先前关于任务型对话系统的工作仅限于支持领域 API。然而，用户可能有超出这些 API 范围的请求。本工作聚焦于识别此类用户请求。该任务的现有方法主要依赖在大规模标注数据上微调预训练模型。我们提出一种基于自适应表示学习和密度估计的新方法 REDE。REDE 可应用于零样本情形，并通过更新少于 3K 的参数，仅用少量样本即可快速学习一个高性能检测器。我们在 DSTC9 数据和我们新收集的测试集上展示了 REDE 的竞争性性能。
引用
@article{arxiv.2109.08820,
title = {Towards Zero and Few-shot Knowledge-seeking Turn Detection in Task-orientated Dialogue Systems},
author = {Di Jin and Shuyang Gao and Seokhwan Kim and Yang Liu and Dilek Hakkani-Tur},
journal= {arXiv preprint arXiv:2109.08820},
year = {2021}
}
备注
To appear at NLP4ConvAI workshop of EMNLP 2021