面向零样本框架语义解析：基于任务无关本体与简单标签的方法
计算与语言
2023-05-09 v1 机器学习
摘要
框架语义解析是任务型对话系统的一个重要组成部分。当前模型依赖大量训练数据来成功识别用户输入语句中的意图与槽位。这为向虚拟助手能力中添加新领域造成了显著障碍，因为此类数据的创建需要高度专业化的 NLP 专业知识。在本工作中，我们提出 OpenFSP，一个允许从少数可无需特定 NLP 知识生成的简单标签轻松创建新领域的框架。我们的方法依赖于创建一组小型但具表达力的领域无关槽类型，从而实现对新领域的简便标注。给定此类标注，一种基于句子编码器的匹配算法可预测由终端用户定义的领域的意图与槽位。在 TopV2 数据集上的大量实验表明，我们的模型在此简单标签设定下优于强基线。
引用
@article{arxiv.2305.03793,
title = {Towards Zero-Shot Frame Semantic Parsing with Task Agnostic Ontologies and Simple Labels},
author = {Danilo Ribeiro and Omid Abdar and Jack Goetz and Mike Ross and Annie Dong and Kenneth Forbus and Ahmed Mohamed},
journal= {arXiv preprint arXiv:2305.03793},
year = {2023}
}