HyperAIHyperAI
منذ 2 أشهر

تعلم الترميز من تسلسل إلى تسلسل للحوار الموجه نحو المهمة مع تمثيل حالة الحوار

Haoyang Wen; Yijia Liu; Wanxiang Che; Libo Qin; Ting Liu
تعلم الترميز من تسلسل إلى تسلسل للحوار الموجه نحو المهمة مع تمثيل حالة الحوار
الملخص

تتطلب النماذج التقليدية للأنابيب في أنظمة الحوار الموجهة نحو المهام نمذجة صريحة لحالة الحوار وتصميم يدوي لمجالات الإجراءات لاستعلام قاعدة معرفية خاصة بالمنطقة. بخلاف ذلك، تتعلم نماذج التسلسل إلى التسلسل رسم خريطة لتاريخ الحوار إلى الرد في الدور الحالي دون الاستعلام الصريح عن قاعدة المعرفة. في هذا العمل، نقترح إطارًا جديدًا يستفيد من مزايا النماذج التقليدية للأنابيب والنماذج التسلسلية إلى التسلسلية. يُعد إطارنا حالة الحوار كتمثيل موزع بحجم ثابت ويستخدم هذا التمثيل للاستعلام عن قاعدة المعرفة عبر آلية الانتباه (Attention Mechanism). أظهرت التجارب على مجموعة بيانات حوار ستانفورد متعدد الأدوار والمناطق الموجهة نحو المهام أن إطارنا يتفوق بشكل كبير على النماذج الأساسية الأخرى القائمة على التسلسل إلى التسلسل في كل من التقييم الآلي والتقييم البشري.

تعلم الترميز من تسلسل إلى تسلسل للحوار الموجه نحو المهمة مع تمثيل حالة الحوار | أحدث الأوراق البحثية | HyperAI