EMNLPNov, 2019

面向任务建模的对话状态跟踪的半监督引导

PDF
TL;DR本文研究了利用半监督学习方法在构建神经对话系统时可以减少中间标签的数量，发现可以利用未注释数据来显著减少对话状态的转换级别注释，同时在 MultiWOZ 语料库上进行了分析并提出了第一个端到端的对话模型。
dialogue systemssemi-supervised learningneural dialogue systemmultiwoz corpusend-to-end dialogue model
发现论文，激发创造
  • 嘈杂信道的力量：无监督端到端任务导向对话的 LLMs

    通过使用未标注的数据和模式定义，我们开发了一种新方法来构建一个完全无监督的面向任务的对话系统，该系统可以在迭代中通过期望最大化方法逐渐改进伪标签，并利用这些标签来训练一个端到端的对话代理，其在 MultiWOZ 基准测试上的成功率超过了强大的 GPT-3.5 基准的两倍。

    Apr, 2024

  • 一种概率型端到端任务导向对话模型及其潜在置信状态，用于半监督学习

    利用潜变量模型及半监督学习的方法实现对于对话系统中的结构化信念状态的分类，且在三份基准数据集上表现优秀，减少了对于标注数据的需求。

    Sep, 2020

  • 利用自监督来改善有限标注对话状态跟踪

    本文提出并研究了两种自我监督方法：保持潜在一致性和建模对话行为，以提高数据效率，实验结果显示这种方法将使联合目标的准确度提高了 8.95％。

    Oct, 2020

  • 针对口语对话理解数据的低成本 LLM 注释研究

    自动增强口语对话语料库中的语义表示的研究，评估了大型语言模型微调的相关性、生成注释所捕捉的知识，以及半自动注释的影响。

    Jun, 2024

  • 对话状态跟踪的转折级主动学习

    我们提出了一种新颖的逐轮主动学习框架用于对话状态跟踪 (DST)，通过主动选择对话中的轮次进行注释，以解决收集大量逐轮标注对话数据的高成本和低效率问题。根据有限的标注预算，实验结果表明选择性注释对话轮次的有效性。此外，我们的方法可以有效地实现与传统训练方法相当的 DST 性能，使用显著较少的标注数据，为注释新的对话数据提供了更高效的方式。

    Oct, 2023

  • MultiWOZ 2.3：一个增强的多领域任务导向对话数据集，带有注释更正和同指标注

    本文介绍了 MultiWOZ 2.3 数据集，通过协同指称功能和一致化注释实现了对话行为和对话状态的一致性，提高了自然语言理解和对话状态跟踪的性能表现。

    Oct, 2020

  • 神经对话生成中的半监督显式状态跟踪

    本文提出了一种基于神经网络的半监督显式对话状态跟踪器（SEDST），并利用 CopyFlowNet 表示一个显式的对话状态，并引入后验正则化策略进行间接监督。实验表明，我们的模型在任务导向和非任务导向的对话数据集上均取得了明显的优势。

    Aug, 2018

  • ASSIST: 面向标签噪声鲁棒的对话状态跟踪

    本文提出了一种名为 ASSIST 的框架来训练从带噪标签中学习的 DST 模型。ASSIST 使用在小型干净数据集上训练的辅助模型生成每个训练样本的伪标签，然后将生成的伪标签和带噪标签一起用于训练主模型，实验表明，ASSIST 可以将 DST 的联合目标准确度在 MultiWOZ 2.0 和 MultiWOZ 2.4 上分别提高 28.16％和 8.41％，相对于只使用带噪标签。

    Feb, 2022

  • 面向任务导向对话系统的半监督知识驱动预训练

    本文介绍了我们的 Track 2 模型，利用大规模真实世界的 MobileCS 中国 TOD 数据集，使用半监督学习和强化学习构建知识引导的对话模型，实现了任务导向对话系统的高效预测和人机交互。我们的系统在自动评估和人工交互中表现都极佳，尤其是 BLEU (+7.64) 和 Success (+13.6%) 方面比第二名更优秀。

    Oct, 2022

  • 基于 N-Shot 学习的任务型对话状态追踪增强

    本研究提出一种利用信念状态注解进行对话增强的框架，能够在无需过多样本的情况下，显著提高 DST 模型和语言模型在新领域翻译任务中的表现，适用于 n-shot 训练场景。

    Feb, 2021