XQA-DST：多领域与多语言对话状态跟踪
计算与语言
2023-02-28 v2
摘要
对话状态跟踪 (DST) 是任务型对话 (ToD) 系统的关键组件，负责跟踪与对话历史相关的所有重要信息：在整段对话中用最可能的值填充槽位。现有方法通常依赖于预定义的值集合，难以泛化到新领域中未见过的槽位。为克服这些挑战，我们提出了一种跨领域共享权重的领域无关抽取式问答 (QA) 方法。为解耦 ToD 中复杂的领域信息，我们通过排除领域外问题样本，以一种新的领域过滤策略训练我们的 DST。借助一个根据上下文预测多个领域是否存在的独立分类器，我们的模型通过抽取活跃领域中的片段来处理 DST。实证结果表明，我们的模型可通过两阶段微调高效利用领域无关的 QA 数据集，同时在 DST 中具有领域可扩展性与开放词表特性。它展现出强大的可迁移性，在 MultiWOZ 2.1 上以平均 36.7% 的 JGA 实现了零样本领域自适应结果。它进一步实现了跨语言迁移，在 WOZ 2.0 上从英语到德语取得 66.2% JGA、从英语到意大利语取得 75.7% JGA 的零样本最优结果。
引用
@article{arxiv.2204.05895,
title = {XQA-DST: Multi-Domain and Multi-Lingual Dialogue State Tracking},
author = {Han Zhou and Ignacio Iacobacci and Pasquale Minervini},
journal= {arXiv preprint arXiv:2204.05895},
year = {2023}
}
备注
Accepted to Findings of EACL 2023