ACLMay, 2018

一个端到端的方法来处理对话状态跟踪中的未知槽值

PDF
TL;DR本文介绍了一种基于指针网络 (PtrNet) 的 E2E 框架，可以有效地提取未知槽值，同时仍然能够在标准 DSTC2 基准测试中获得具有代表性的精度，我们还提供了广泛的实证证据表明，跟踪未知值可能具有挑战性，在有效的特征 dropout 技术的帮助下，我们的方法可以带来显著的改进。
dialogue state trackingunknown slot valuesend-to-end systemspointer networkfeature dropout technique
发现论文，激发创造
  • 多领域对话状态跟踪中考虑行为的槽 - 值预测

    该研究针对对话系统中特定目标和本体的对话状态跟踪模型的可扩展性问题，提出了一种将对话行为融入到对话模型设计中，利用机器阅读理解预测跨域对话状态的方法，并在实验结果中表现出较高的准确度，为未来的面向任务的对话系统提供了对话状态设计的指导。

    Aug, 2022

  • 一个具有自适应目标的上下文分层注意力网络，用于对话状态跟踪

    该研究提出了使用上下文分层关注网络（CHAN）以及自适应目标策略来加强对话状态追踪（DST）模型，解决了文本中存在的关于历史对话、不平衡的 slot 分配、模型上下文表示等问题，实现了具有很大提升的端到端追踪的性能。

    Jun, 2020

  • 通过本地可靠性验证的双插槽选择器用于对话状态跟踪

    提出了一种两阶段 DSS-DST 方法，其中包括基于当前回合对话的双槽选择器与基于对话历史的槽值生成器，并在 MultiWOZ 2.0，2.1 和 2.2 数据集上实现了最新的最优性能。

    Jul, 2021

  • 通过继承提及插槽池中的插槽值来跟踪对话状态

    该研究设计了一个具有提及的插槽池（MSP）的模型来解决对话状态跟踪中的更新问题。MSP 是记录可能被继承的所有提及插槽值的插槽特定内存，我们的模型根据 MSP 和对话上下文更新插槽值。实验结果表明，该模型在 MultiWOZ 2.1 和 2.2 数据集上达到了最先进的对话状态跟踪性能。

    Feb, 2022

  • BERT-DST: 基于双向变换器编码器表示的可扩展端到端对话状态跟踪

    本研究提出了 BERT-DST，一种基于 BERT 的端到端的对话状态跟踪器，它可以从对话上下文中直接提取槽值，并采用所有槽的编码参数共享的方法，实现了可扩展的对话状态跟踪。实证评估表明，BERT-DST 在可扩展的数据集 Sim-M 和 Sim-R 上优于之前的方法，在标准数据集 DSTC2 和 WOZ 2.0 上取得了具有竞争力的性能。

    Jul, 2019

  • 可扩展的多领域对话状态跟踪

    本文介绍了一种基于深度学习的可伸缩的多领域对话状态跟踪方法，通过引入一个新的状态跟踪框架，该框架独立于具体的槽值集合，并将对话状态表示为候选值集合的分布，此方法能够快速适应新领域，提高跨领域和可扩展性。

    Dec, 2017

  • 对话状态跟踪的交互槽对比学习对话状态蒸馏网络

    本文提出一种 Dialogue State Distillation Network（DSDN）用于进行任务导向的对话系统中的 Dialogue State Tracking（DST），并且在 MultiWOZ 2.0 和 MultiWOZ 2.1 数据集上实验证明，该网络可以动态地利用先前的对话状态并避免引入误差传播，同时还可以有效地捕捉来自对话语境的插槽共同更新关系

    Feb, 2023

  • 大型本体的鲁棒对话状态跟踪

    本研究使用字符串匹配、面向对话的共识消解和其他方法来跟踪对话状态，可正确标识很多在话语中未显式提到但存在的信息，并在 DSTC 4 比赛中表现优异。

    May, 2016

  • 基于多任务学习的联合语言理解和对话状态跟踪

    本文提出了一种新的多任务学习方法，旨在为面向任务的对话系统中的语言理解（LU）和对话状态跟踪（DST）进行学习。多任务训练使得编码用户话语的神经网络层用于 LU 和 DST，通过减少网络参数并提高性能。 本研究提出了 DST 框架，用于考虑有大量或无限可能值的插槽及以往对话中未见过的槽值，并探讨了在 LU 和 DST 输出上使用计划采样来弥合训练和推理之间的差距。

    Nov, 2018

  • 提高口语对话系统中长距离槽传递的效率

    本文提出了两种神经网络结构，分别基于指针网络和转换网络，用于跟踪任务导向的口语对话系统中的对话状态，解决了传统方法在长对话上性能较差的问题。实验证明，两种提出的模型都能有效地解决更远距离的对话问题，且性能令人满意。

    Jun, 2019