タスク指向対話のためのシーケンス・ツー・シーケンス学習と対話状態表現

タスク指向対話システムの古典的なパイプラインモデルでは、対話状態を明示的にモデリングし、ドメイン固有の知識ベースを照会するために手作業で設計されたアクション空間が必要です。一方、シーケンス・ツー・シーケンスモデルは、知識ベースへの明示的な照会なしに、対話履歴を現在のターンでの応答にマッピングすることを学習します。本研究では、古典的なパイプラインモデルとシーケンス・ツー・シーケンスモデルの両方の利点を活用する新しいフレームワークを提案します。当該フレームワークは、対話状態を固定サイズの分散表現としてモデリングし、この表現を使用して注意メカニズムを通じて知識ベースを照会します。スタンフォード多ターン多ドメインタスク指向対話データセット（Stanford Multi-turn Multi-domain Task-oriented Dialogue Dataset）における実験結果は、当該フレームワークが自動評価および人間評価において他のシーケンス・ツー・シーケンスベースの基準モデルよりも著しく優れていることを示しています。