HyperAIHyperAI
vor 7 Tagen

Anpassbare Generierung für die Dialogzustandsverfolgung

Xin Tian, Liankai Huang, Yingzhan Lin, Siqi Bao, Huang He, Yunyi Yang, Hua Wu, Fan Wang, Shuqi Sun
Anpassbare Generierung für die Dialogzustandsverfolgung
Abstract

In aufgabenorientierten Dialogsystemen neigen neuere Methoden zur Dialogzustandsverfolgung dazu, in einem einzigen Durchlauf den Dialogzustand basierend auf dem vorherigen Dialogzustand zu generieren. Fehler, die diese Modelle in der aktuellen Runde begehen, neigen dazu, in die nächste Runde weitergegeben zu werden, was zu einer Fehlerpropagation führt. In diesem Artikel stellen wir ein neuartiges Verfahren namens Amendable Generation for Dialogue State Tracking (AG-DST) vor, das einen zweipassigen Generierungsprozess beinhaltet: (1) die Generierung eines primären Dialogzustands basierend auf dem aktuellen Dialog und dem vorherigen Dialogzustand, sowie (2) die Korrektur des primären Dialogzustands aus dem ersten Durchlauf. Durch den zusätzlichen Korrekturgenerierungs-Schritt wird das Modell dazu angehalten, robusteren Dialogzustandsverfolgung zu lernen, indem es Fehler im primären Dialogzustand korrigiert. Damit übernimmt das Modell die Rolle eines Überprüfers im Doppelkontrollprozess und verringert unnotwendige Fehlerpropagation. Experimentelle Ergebnisse zeigen, dass AG-DST auf zwei aktiven DST-Datensätzen (MultiWOZ 2.2 und WOZ 2.0) erheblich besser abschneidet als frühere Ansätze und neue SOTA-Leistungen erzielt.

Anpassbare Generierung für die Dialogzustandsverfolgung | Neueste Forschungsarbeiten | HyperAI