Neural Belief Tracker : Suivi de l'état du dialogue basé sur les données

L'un des composants centraux des systèmes de dialogue vocaux modernes est le traceur de croyance, qui estime l'objectif de l'utilisateur à chaque étape du dialogue. Cependant, la plupart des approches actuelles ont du mal à s'adapter aux domaines de dialogue plus vastes et complexes. Ceci est dû à leur dépendance envers : a) les modèles de Compréhension du Langage Parlé nécessitant de grandes quantités de données d'entraînement annotées ; ou b) des lexiques conçus manuellement pour capturer certaines variations linguistiques dans le langage des utilisateurs. Nous proposons un nouveau cadre de suivi neuronal de la croyance (Neural Belief Tracking - NBT) qui surmonte ces problèmes en s'appuyant sur les récents progrès en apprentissage de représentation. Les modèles NBT raisonnent sur des vecteurs de mots pré-entraînés, apprenant à les composer en représentations distribuées des énoncés des utilisateurs et du contexte du dialogue. Notre évaluation sur deux jeux de données montre que cette approche dépasse les limites passées, égalant les performances des modèles d'avant-garde qui reposent sur des lexiques sémantiques conçus manuellement et les surpassant lorsque ces lexiques ne sont pas fournis.