TripPy：一种用于与取值无关的神经对话状态跟踪的三重拷贝策略
计算与语言
2020-09-28 v4
摘要
任务型对话系统依赖对话状态跟踪（DST）来在交互过程中监测用户目标。多领域与开放词表设定使该任务显著复杂化并需要可扩展的解决方案。本文提出一种利用多种拷贝机制以用取值填充槽位的新 DST 方法。我们的模型无需维护候选取值列表，而是所有取值均从对话上下文即时提取。一个槽位由三种拷贝机制之一填充：（1）跨度预测可直接从用户输入中提取取值；（2）取值可从记录系统 inform 操作的系统 inform 记忆中拷贝；（3）取值可从对话状态中已有的不同槽位拷贝，以解决跨领域及领域内的指代消解。我们的方法结合了基于跨度的槽位填充方法与记忆方法的优势，从而完全避免使用取值选择列表。我们认为该策略简化了 DST 任务，同时在多个流行评测集（包括 Multiwoz 2.1，我们在其上取得了超过 55% 的联合目标准确率）上达到了最先进性能。
引用
@article{arxiv.2005.02877,
title = {TripPy: A Triple Copy Strategy for Value Independent Neural Dialog State Tracking},
author = {Michael Heck and Carel van Niekerk and Nurul Lubis and Christian Geishauser and Hsien-Chin Lin and Marco Moresi and Milica Gašić},
journal= {arXiv preprint arXiv:2005.02877},
year = {2020}
}
备注
10 pages, 6 figures, published in Proceedings of the 21st Annual SIGdial Meeting on Discourse and Dialogue, Code at: https://gitlab.cs.uni-duesseldorf.de/general/dsml/trippy-public