초록
대화 상태 추적은 대화 맥락을 고려하여 사용자의 목표와 요청을 추정하는 것으로, 작업 지향형 대화 시스템에서 필수적인 부분입니다. 본 논문에서는 전역-국소 자기 주의 메커니즘(Global-Locally Self-Attentive Dialogue State Tracker, GLAD)을 제안합니다. 이 모델은 사용자 발화와 이전 시스템 동작의 표현을 전역-국소 모듈을 통해 학습합니다. 우리의 모델은 다양한 유형(슬롯이라고 불림)의 대화 상태 추정기 사이에서 매개변수를 공유하기 위해 전역 모듈을 사용하고, 슬롯 특유의 특징을 학습하기 위해 국소 모듈을 사용합니다. 우리는 이 방법이 희귀한 상태의 추적 성능을 크게 개선하며, WoZ와 DSTC2 대화 상태 추적 작업에서 최고 수준의 성능을 달성함을 보여주었습니다. GLAD는 WoZ에서 88.1%의 공동 목표 정확도와 97.1%의 요청 정확도를 기록하여, 이전 연구보다 각각 3.7%와 5.5% 높은 성능을 보였습니다. DSTC2에서는 우리 모델이 74.5%의 공동 목표 정확도와 97.5%의 요청 정확도를 기록하여, 이전 연구보다 각각 1.1%와 1.0% 높은 성능을 보였습니다.