Jan, 2023

基于模式引导的语义准确性：面向任务导向的对话响应生成中的正确性

PDF
TL;DR这篇研究论文探讨了如何提高面向任务的对话回应生成中生成回应的质量评估问题，并提出了一种新的评估方法：基于模式的语义准确性评估，并利用预训练模型的前缀调优技术解决了在生成非分类槽的回应时的困难，得到了在不同对话场景下较好的评估结果。
task-oriented dialogue response generationslot error rateschema-guided semantic accuracytextual entailmentprefix tuning
发现论文，激发创造
  • SGD-X：对基于模式引导的对话系统鲁棒泛化能力的基准测试

    通过扩展 Schema-Guided Dialogue 数据集，我们研究了对话系统在语义相似但风格不同的服务 API 语言样本中的鲁棒性，发现两个最优状态跟踪模型在处理此类数据时存在较大瓶颈，同时提出了一种改进 Schema 鲁棒性的简单数据增强方法。

    Oct, 2021

  • 实现可扩展的多领域对话代理: Schema-Guided 对话数据集

    本文介绍了 Schema-Guided Dialogue (SGD) 数据集，包括 16 个领域的 16,000 个多领域对话。SGD 数据集提供了一个具有挑战性的测试平台，可以用于测试任务包括语言理解，位置填充，对话状态跟踪和响应生成。文章也提出了一个基于模式的任务导向对话的范式，尤其是在输入中提供了一组动态的意图和插槽自然的语言描述，提高了对大量服务形态的支持和新服务的快速集成。

    Sep, 2019

  • 无监督任务型对话中槽位模式识别

    提出了一种无监督的方法来从未标注的对话语料库中识别 slot schema，通过在特定领域的语言模型和无监督的解析结构的帮助下提取候选槽位，并通过从粗到细的聚类来诱导槽类型，显示了该方法在 MultiWoz 和 SGD 数据集上诱导槽模式的显着性能改进，并证明了诱导槽模式对于对话状态跟踪和响应生成的有效性。

    May, 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

  • 基于模式引导的零 - shot 对话范式

    通过显式地提供特定任务对话策略，提出了 Schema Attention Model (SAM) 和改进版 Schema 表示来解决零 - shot 迁移学习问题，在 Star 语料库上验证了 SAM 在零 - shot 模式下的显著改善，F1 值提高了 22 个点。

    Jun, 2021

  • 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

  • 使用基于架构的提示的语言模型实现对话状态跟踪

    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。

    Sep, 2021

  • 基于 BERT 的快速而健壮的基于模式引导的对话数据集跟踪器

    本文介绍了一种基于 BERT 的快速和强健的模型 FastSGT 用于在目标导向对话系统中跟踪对话状态，在实验中，FastSGT 在保持计算和内存消耗效率的同时，显着提高了准确性，并通过数据增强显示了提高准确性的有效性。

    Aug, 2020

  • 针对基于模式引导的零样本对话状态跟踪进行 BERT 微调

    本文提出了一种基于预训练语言模型 BERT 微调的无监督对话状态跟踪系统 (SGP-DST)，它包括意图预测、关键词填充、槽传递预测和用户状态总结 4 个模块，是目前在第八届对话系统技术挑战赛中排名第三的解决方案。

    Feb, 2020