ACLMar, 2019

通过查询重构扩展多领域对话状态跟踪

PDF
TL;DR本研究提出一种基于序列转换模型的对话状态跟踪和指代消解方法，并使用指针生成网络模型进行查询重构， 在跨领域场景下实验验证了该方法的有效性。
dialogue state trackingreferring expression resolutionmulti-turn spoken dialoguesslu sub-systemsquery reformulation
发现论文，激发创造
  • 面向混合领域的任务导向对话

    研究了跨领域环境下的任务导向对话问题，并探讨了通过使用特定的状态监测组件和混合式系统来提高任务信念跟踪准确率的方法。

    Sep, 2019

  • 基于状态图的跨领域对话状态跟踪

    本文探讨了利用关系图与 relational-GCN 图卷积网络构建聊天机器人多域对话跟踪模型的方法，实验结果表明，该方法实现了新的最佳性能，优于使用现有方法提出的深度学习技术的性能。

    Oct, 2020

  • 通过分层序列生成实现可扩展和准确的对话状态跟踪

    通过使用分层编解码结构直接生成信念状态序列的方法，我们提出了一种不需要预定义本体列表的对话状态跟踪方法，并在多域和单域对话状态跟踪数据集上进行了实验，取得了最先进的性能。

    Sep, 2019

  • 大规模多领域信仰跟踪与知识共享

    本研究介绍了一种新颖的方法，该方法利用对话中的语义相似性和本体术语来跨领域地进行语音信仰跟踪，从而实现对多领域语音的处理，并在性能上优于现有的单领域跟踪任务的最先进模型。

    Jul, 2018

  • 多轮文本到 SQL 语义解析的交互状态跟踪

    本文提出一种基于关系图神经网络的文本转 SQL 语义解析模型，通过定义基于数据库模式项和关键词的交互状态并设计相应的更新机制，以实现更好的解析效果，在 CoSQL 数据集上表现优异。

    Dec, 2020

  • 多域对话状态跟踪的高效上下文和模式融合网络

    本文提出了一种基于内部和外部注意机制的上下文和架构融合网络来编码对话上下文和架构图，能够在 MultiWOZ 2.0 和 MultiWOZ 2.1 基准测试中获得最新的最佳性能的开放词汇 DST。

    Apr, 2020

  • 面向口语理解的序列对话上下文建模

    本文提出了一种新的基于递归神经网络（RNN）的序列化对话编码器网络，并将其与传统的语言理解系统和记忆网络进行了比较，实验证明该网络可以减少语义框架错误率。

    May, 2017

  • 多轮口语对话中基于知识增强的 BERT 互联网络

    本文研究了基于 BERT 的联合模型，利用知识关注机制和筛选相关知识三元组的门控机制相互利用两个 SLU 任务的对话上下文和动态信息进行建模，实验结果表明相对于其他竞争基线，该方法在两个复杂的多轮对话数据集上取得了相当大的改进。

    Feb, 2022

  • 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

  • 动态知识图谱增强的多领域对话状态跟踪与问答

    本文提出一种基于问题回答的多领域对话状态跟踪方法（DSTQA），并利用动态演化的知识图谱显式地学习（领域、槽）对之间的关系，相较于最新的模型在 MultiWOZ 2.0 和 2.1 数据集上有 5.80％和 12.21％的相对改进，且在领域适应设置中始终优于最先进的模型。

    Nov, 2019