Suivi d'état de dialogue global-localement auto-attentif

Le suivi d'état de dialogue, qui estime les objectifs et les demandes de l'utilisateur en fonction du contexte du dialogue, constitue une partie essentielle des systèmes de dialogue orientés vers la tâche. Dans cet article, nous proposons le Suiveur d'État de Dialogue Global-Localement Auto-Attentif (GLAD), qui apprend des représentations de l'énoncé de l'utilisateur et des actions précédentes du système à l'aide de modules globaux-locaux. Notre modèle utilise des modules globaux pour partager les paramètres entre les estimateurs d'états de dialogue différents (appelés slots), et des modules locaux pour apprendre des caractéristiques spécifiques à chaque slot. Nous démontrons que cela améliore considérablement le suivi des états rares et atteint des performances de pointe sur les tâches de suivi d'état WoZ et DSTC2. GLAD obtient une précision conjointe des objectifs de 88,1 % et une précision des demandes de 97,1 % sur WoZ, surpassant les travaux antérieurs de 3,7 % et 5,5 %. Sur DSTC2, notre modèle obtient une précision conjointe des objectifs de 74,5 % et une précision des demandes de 97,5 %, surpassant les travaux antérieurs de 1,1 % et 1,0 %.