摘要
本文研究任务导向对话系统中的对话状态跟踪（Dialogue State Tracking, DST）问题。尽管近年来取得了显著进展，但构建一个高效且准确的DST模块仍是极具挑战性的任务。本文提出一种新的对话状态跟踪方法，称为Seq2Seq-DU，该方法将DST建模为一个序列到序列（sequence-to-sequence）问题。Seq2Seq-DU采用两个基于BERT的编码器，分别对对话中的话语（utterances）和对话模式（schema）描述进行编码；引入一个注意力机制模块，用于计算话语嵌入与模式嵌入之间的注意力关系；并通过一个解码器生成指针，以表示当前对话状态。Seq2Seq-DU具有以下优势：能够联合建模对话意图（intents）、槽位（slots）及其对应的槽值（slot values）；充分利用BERT提供的丰富话语与模式表示；有效处理类别型与非类别型槽位，以及未见的对话模式（unseen schemas）。此外，Seq2Seq-DU还可直接应用于对话系统的自然语言理解（Natural Language Understanding, NLU）模块中。在多个基准数据集（包括SGD、MultiWOZ 2.2、MultiWOZ 2.1、WOZ 2.0、DSTC2、M2M、SNIPS和ATIS）的不同实验设置下进行的大量实验结果表明，Seq2Seq-DU在各项指标上均优于现有方法，展现出卓越的性能。