基于槽位相关信息提取的对话状态追踪模型

作者：石利锋; 倪郑威

来源：计算机应用, 2022, 1-10.

• 对话状态追踪
• 注意力机制
• 任务型对话
• 课程学习
• 预训练模型

对话状态追踪（DST）是任务型对话系统中一个重要的模块。现有的基于开放词表的对话状态追踪模型存在着没有充分利用槽位相关信息以及数据集本身结构信息等局限。针对上述问题，提出了使用槽位相关信息提取器（SCE）并且应用学习最优样本权重(LOW)策略的对话状态跟踪(SlotCorrelationExtractorandLearningoptimalsampleweightsforDialogue State Tracking, SCEL-DST)模型。首先，构建SCE,利用注意力机制学习槽位之间的相关信息；然后，在训练过程中应用LOW策略，在没有大幅度增加训练时间的前提下，增强了模型对于数据集信息的利用；最后，对模型细节进行了优化，搭建完整的对话状态追踪模型。实验结果表明，SCE和LOW对于对话状态追踪模型的提升起到了重要的作用，并且SCEL-DST在数据集MultiWOZ 2.3和WOZ 2.0上取得了最高的共同目标准确率。

• 单位
  浙江工商大学; 电子工程学院