초록
대화 상태 추적은 구어 대화 시스템의 핵심 부분입니다. 이는 각 대화 차례에서 사용자의 가능한 목표에 대한 신념을 추정합니다. 그러나 대부분의 현재 접근 방식은 큰 대화 영역으로 확장하는 것이 어렵습니다. 이러한 접근 방식들은 다음과 같은 한계 중 하나 또는 그 이상을 가지고 있습니다: (a) 일부 모델은 온톨로지 내 슬롯 값이 동적으로 변경되는 상황에서 작동하지 않습니다; (b) 모델의 매개변수 수는 슬롯의 수와 비례합니다; (c) 일부 모델은 명시적으로 작성된 의미 사전이 아닌 사전 훈련된 단어 벡터를 사용하여 특징을 추출합니다(手-crafted lexicons).이러한 도전 과제를 해결하기 위해, 우리는 StateNet이라는 보편적인 대화 상태 추적기를 제안합니다. StateNet은 값의 수와 독립적이며, 모든 슬롯 간에 매개변수를 공유하며, 명시적인 의미 사전 대신 사전 훈련된 단어 벡터를 사용합니다. 두 데이터셋에 대한 실험 결과, 우리의 접근 방식이 이러한 한계를 극복할 뿐만 아니라 최신 기술보다도 성능이 크게 우수함을 보여주었습니다.