Nov, 2023

一个砖头足够打破口语对话状态跟踪的墙吗？

PDF
TL;DR通过比较三种方法，即级联方法、局部端到端方法和完全神经方法，本研究对完全神经对话状态跟踪进行了探索，并发现级联方法仍然是最准确的方法。然而，局部端到端方法和完全神经方法在对话演化中传播上下文时存在问题，显示出完全神经方法中的上下文传播是一个具有挑战性的问题。
task-oriented dialoguedialogue state trackingsemantic extractionend-to-end approachesneural spoken dialogue state tracking
发现论文，激发创造
  • 级联对话状态跟踪模型在口语对话中是否会不适当地发言？

    在复杂环境下，基于多轮对话语境的对话系统中，分析当前最先进系统的错误行为对于解决非分类槽值错误问题、改善语音到文本转录并帮助对话状态跟踪生成模型是至关重要的。

    Nov, 2023

  • 适应口语对话的基于文本的对话状态追踪器

    本文描述了我们在 DSTC11 中参与的具有极大成功的模型的工程努力，该模型由三个主要模块组成：(1) 自动语音识别误差校正，(2) 基于文本的对话系统用于估计插槽和值，(3) 后处理用于恢复估计的插槽值的错误。我们的实验证明了对于口语对话语料库，使用明确的自动语音识别误差校正模块、后处理和数据增强对于调整基于文本的对话状态跟踪器至关重要。

    Aug, 2023

  • 你跟得上我吗？”: 对话状态跟踪近期方法综述

    对话状态跟踪是对话系统中的重要环节，虽然神经方法实现了显著的进展，但对话系统的一些关键方面，如可拓展性等仍未得到充分探索，本文提出了未来研究的几个方向。

    Jul, 2022

  • 面向任务的端到端对话系统的任务优化适配器

    该研究提出了一种基于 Task-Optimized Adapters 和强化学习的 End-to-end TOD 系统，能够独立学习每个任务，并在 MultiWOZ 基准测试上表现出优越的性能，特别是在 2.2 数据集上的 DST 任务达到了最先进的水平。

    May, 2023

  • 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

  • 增强检索辅助端到端面向任务系统在已见和未见对话场景中的性能

    通过使用简单的缓存，该研究为任务导向对话系统带来了更大的灵活性。实验表明，该框架具有卓越的性能，与强基线相比，非空联合目标准确率提高了 6.7%。

    Aug, 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

  • 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

  • 插拔式任务导向对话系统的多任务预训练

    该研究提出了通过 PPTOD 模型和新的对话多任务预训练策略来解决任务导向对话系统中存在的级联生成问题，取得了针对几个基准 TOD 任务的最新成果。

    Sep, 2021

  • MA-DST: 基于多注意力的可扩展对话状态跟踪

    本文提出了一种新的架构，利用多粒度的注意力机制来更稳健地编码对话历史和槽的语义，用于实现准确的跨域对话状态跟踪，并在 MultiWoZ 2.1 数据集上将联合目标准确率提高了 5%（绝对值），并在零 - shot 设置下比现有最先进技术提高至多 2%（绝对值）。

    Feb, 2020