【字节跳动-李航】一种按序列进行对话状态跟踪的方法

本文研究了面向任务的对话系统中的对话状态跟踪问题。最近，DST技术的发展取得了重大进展。然而，构建一个可扩展且有效的DST模块仍然是一个具有挑战性的问题。本文提出了一种对话状态跟踪的新方法Seq2Seq-DU，它将DST形式化为一个序列到序列的问题。它使用两个基于BERT的编码器分别对对话中的话语和模式的描述进行编码，使用一个关注器计算话语嵌入和模式嵌入之间的关注量，使用一个解码器生成指针来表示对话的当前状态。Seq2Seq-DU具有以下优点。它可以联合建模意图、插槽和插槽值之间的关系;它可以利用丰富的话语和图式的语言表征;它可以有效地处理分类槽、非分类槽和看不见的模式。此外，Seq2Seq-DU还可以用于对话系统的NLU(自然语言理解)模块。在基准数据集(SGD、MultiWOZ2.2、WOZ2.0、DSTC2、M2M、SNIPS和ATIS)上的实验结果表明，Seq2Seq-DU优于现有的方法。

https://arxiv.org/pdf/2011.09553

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“SDST” 就可以获取《【字节跳动-李航】一种按序列进行对话状态跟踪的方法》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源