EMNLPSep, 2021

使用基于架构的提示的语言模型实现对话状态跟踪

PDF
TL;DR提出了一种新颖的基于预训练语言模型的任务驱动对话状态追踪方法，利用基于模式的提示和模式描述提高了性能，适用于多个基准测试（MultiWOZ 2.2、MultiWOZ 2.1 和 M2M），实现了最先进的性能。
dialogue state trackingtask-orientedpretrained language modelsschema-driven promptingmultiwoz
发现论文，激发创造
  • 多领域对话状态跟踪的模式图引导提示

    我们提出了一种基于图的框架，通过将对话模式编码为图神经网络来嵌入预训练语言模型，从而在特定领域上对模型进行了更好地自适应，实验证明该方法在多领域对话状态跟踪方面优于其他方法。

    Nov, 2023

  • DSTC8 中的基于模式引导的对话状态跟踪任务

    本文介绍了第 8 届对话系统技术挑战赛的 Schema-Guided 对话状态跟踪任务，其目标是开发适用于大型虚拟助手的对话状态跟踪模型，重点是跨域的数据高效联合建模和新 API 的零 - shot 推广。本任务提供了一个包含 16 个领域超过 16000 个对话的数据集，其中包括一个能够零 - shot 推广到新 API 的基线模型。本文介绍了任务定义、数据集和评估方法，并概述了提交系统的方法和结果，以突出现今最先进技术的总体趋势。

    Feb, 2020

  • 基于描述的任务导向对话建模

    本文介绍了一种基于自然语言描述的任务导向对话系统，并提出了一种简单而有效的基于描述的对话状态跟踪模型（D3ST），证明其在多个基准测试中具有更高的性能和数据效率。

    Jan, 2022

  • 基于树形重述排名的更健壮的模式引导对话状态跟踪

    使用树形排序的生成模型，优化模型的语法多样性和语义忠实度，使其适用更广泛的任务。将合成的数据添加到基线模型的训练集中，可以显著提高其平均联合目标准确性和模式灵敏度。

    Mar, 2023

  • 基于跨度选择的线性注意力变换器用于有效和健壮的基于模式指导的对话状态跟踪

    通过自然语言描述对话模式，采用 SPLAT 模型实现对话状态跟踪，提高泛化性和效率。

    Jun, 2023

  • SGP-TOD: 通过模式引导的 LLM 提示轻松构建任务机器人

    该研究提出了 SGP-TOD—— 基于大型语言模型的模式引导对话系统，可以在不使用任何特定任务数据的情况下，生成适当的回应，具有零 - shot 性能，并且能够通过添加附加模式规则轻松适应新功能。

    May, 2023

  • 基于模式的对话状态追踪挑战赛的 SPPD 系统

    本文提出了一种基于 BERT 的零 - shot 自然语言理解模型，用于实现多领域会话状态跟踪，实验结果显示该模型较基线系统具有显著改进。

    Jun, 2020

  • 多语言任务导向对话的情境语义解析

    通过机器翻译自动翻译对话数据集并使用新的上下文语义解析模型，该方法在多个数据集上提高了准确性并创建了高准确度的多语言对话数据集。

    Nov, 2021

  • 将基于描述的对话状态跟踪器与寻求知识的对话联系起来

    通过在训练和推理过程中加入从对话语料库和模式中搜集的寻求知识的对话轮次，使基于模式的对话状态追踪模型具有更强的稳健性。

    Sep, 2023

  • 面向任务导向对话的领域自适应 Prompt 学习

    本文研究了提高生产质量的面向任务的对话系统的设计的困难，提出了使用自然语言的轻量级语义表示 —— 规范形式作为用户意图分类的替代方法，并且展现了规范形式可以很好地泛化到新的、未知的域，在零次或少次样本学习中可以轻易实现，并且可以降低开发新的任务导向的对话域的复杂性和费用。

    Nov, 2022