Q2SM基于BERT的多领域任务型对话系统状态跟踪算法

Q2SM基于BERT的多领域任务型对话系统状态跟踪算法.pdf
基于管道的方法是目前任务型对话系统的主要构建方式,在工业界具有广泛的应用,而对话状态跟踪(DialogueStateTracking,DST)是任务型对话系统中的核心任务.面对传统的方法在多领域场景下表现较差的问题,该文结合语言模型预训练的最新研究成果,提出了一种基于BERT的对话状态跟踪算法Q2SM(QuerytoStateModel).该模型的上游使用了基于BERT的句子表征与相似度交互的槽判定模块,下游使用了一种面向对话状态跟踪任务的自定义RNN:DST-RNN.在WOZ2.0和MultiWOZ2.0两个数据集上的实验表明,Q2SM相比于之前的最好模型,分别在联合准确率和状态F1值两个评价指标上提升了1.09％和2.38％;此外,模型消融实验验证了DST-RNN相比于传统的RNN或LSTM,不仅可以提升评价指标值,还可以加快模型的收敛速度.
作者：张家培李舟军
作者单位：北京航空航天大学计算机学院,北京市100191
母体文献：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会论文集
会议名称：第十八届中国计算语言学大会暨中国中文信息学会2019学术年会  
会议时间：2019年10月18日
会议地点：昆明
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：任务型对话系统  状态跟踪  Q2SM算法
在线出版日期：2021年8月24日
基金项目：
相似文献
相关博文

2024-12-9 12:44 上传 Q2SM基于BERT的多领域任务型对话系统状态跟踪算法.pdf

文件大小:

530.44 KB

下载次数:

60

高速下载