论文阅读笔记《Beyond the Granularity: Multi-Perspective Dialogue Collaborative Selection for Dialogue Stat》

Abstract

在对话状态跟踪中，对话历史是一种重要的资料，不同模型对对话历史的利用不尽相同。然而，无论如何使用对话历史，每个现有模型在整个状态跟踪过程中都使用自己一致的对话历史，而不管更新的是哪个槽。显然，在不同的回合更新不同的槽位需要不同的对话历史。因此，使用一致的对话内容可能会导致不同槽位的信息不足或冗余，从而影响整体性能。针对这一问题，我们设计了DiCoS-DST，动态选择每个槽位对应的相关对话内容进行状态更新。具体来说，它首先检索对话历史的回合级话语，并从三个角度组合评估它们与插槽的相关性:(1)其与槽名的显式连接;(2)与当前回合对话的相关性;(3)内隐提及导向推理。然后将这些透视图组合起来生成决策，只将选定的对话内容输入到状态生成器中，从而明确地最小化传递到下游状态预测的分散信息。实验结果表明，我们的方法在MultiWOZ 2.1和MultiWOZ 2.2上取得了最新的性能，并在多个主流基准数据集(包括Sim-M, Sim-R和DSTC2)上取得了优异的性能