@进行中{yu-etal-2022-未监督,title=“面向任务的对话框的无监督插槽模式归纳”,author=“余、典和王明秋和曹、袁和Shafran、Izhak和Shafey、Laurent和黑根·索尔陶”,editor=“Carpuat、Marine和德马内夫、玛丽·凯瑟琳和Meza Ruiz,Ivan Vladimir“,booktitle=“计算语言学协会北美分会2022年会议记录:人类语言技术”,月=七月,年=“2022”,address=“美国西雅图”,publisher=“计算语言学协会”,url=“https://aclantology.org/2022.naacl-main.86”,doi=“10.18653/v1/2022.naacl-main.86”,页码=“1174-1193”,抽象=“精心设计的模式描述了如何收集和注释对话语料库是构建面向任务的对话系统的先决条件。在实际应用中,手动设计模式可能容易出错、费力、迭代且速度慢,特别是当模式复杂时。为了减轻这种昂贵且耗时的过程ss中,我们提出了一种从未标记的对话语料库中归纳时隙模式的无监督方法。我们的数据驱动方法利用域内语言模型和无监督解析结构,无约束地提取候选时隙,然后通过粗到细的聚类来归纳时隙类型。我们将我们的方法与几个强监督基线进行了比较,并在MultiWoz和SGD数据集上显示了槽模式归纳的显著性能改进。我们还演示了诱导模式在下游应用程序上的有效性,包括对话框状态跟踪和响应生成。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“yu-etal-2022-unsupervised”><标题信息>面向任务的对话框的无监督插槽模式归纳</titleInfo><name type=“personal”>Dian<namePart type=“family”>余</namePart><角色>作者</角色></name><name type=“personal”>明秋<namePart type=“family”>王</namePart><角色>作者</角色></name><name type=“personal”><namePart type=“given”>元曹(Cao)<角色>作者</角色></name><name type=“personal”>Izhak(伊扎克)莎弗兰<角色>作者</角色></name><name type=“personal”>劳伦特Shafey(沙菲)<角色>作者</角色></name><name type=“personal”>哈根索尔套<角色>作者</角色></name><originInfo><日期发布>2022-07</日期发布></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会北美分会2022年会议记录:人类语言技术</titleInfo><name type=“personal”><namePart type=“given”>海洋</namePart>卡普阿特<角色>编辑器</角色></name><name type=“personal”>玛丽·凯瑟琳马内夫<角色>编辑器</角色></name><name type=“personal”>伊凡弗拉基米尔梅扎·鲁伊斯<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>美国西雅图</place></originInfo>会议出版物</relatedItem><abstract>精心设计的描述如何收集和注释对话框语料库的模式是构建面向任务的对话框系统的先决条件。在实际应用中,手动设计模式可能容易出错、费力、迭代且速度慢,尤其是当模式复杂时。为了缓解这一昂贵且耗时的过程,我们提出了一种从未标记的对话语料库中归纳时隙模式的无监督方法。我们的数据驱动方法利用域内语言模型和无监督解析结构,无约束地提取候选时隙,然后通过粗到细的聚类来归纳时隙类型。我们将我们的方法与几个强监督基线进行了比较,并在MultiWoz和SGD数据集上显示了槽模式归纳的显著性能改进。我们还演示了诱导模式在下游应用程序上的有效性,包括对话框状态跟踪和响应生成</摘要><identifier type=“citekey”>yu-etal-2022-unsupervised(无监督)10.18653/v1/2022.naacl-main.86<位置><网址>https://aclantology.org/2022.naacl-main.86</url></位置><部分>2022-07年<扩展单元=“page”><开始>1174</开始><结束>1193</范围></部分></模块></modsCollection>
%0会议记录%面向任务对话框的T无监督时隙模式归纳%阿玉、黛安%A王,明秋%阿曹、袁%伊扎克,A Shafran%A Shafey,Laurent(劳伦特·沙菲)%黑根·索尔陶%Y Carpuat,海军%Y de Marneffe,玛丽·凯瑟琳%Y Meza Ruiz,伊万·弗拉基米尔%计算语言学协会北美分会2022年会议记录:人类语言技术%D 2022年%7月8日%计算语言学协会%C美国西雅图%F yu-etal-2022无监督%X精心设计的描述如何收集和注释对话框语料库的模式是构建面向任务的对话框系统的先决条件。在实际应用中,手动设计模式可能容易出错、费力、迭代且速度慢,尤其是当模式复杂时。为了缓解这一昂贵且耗时的过程,我们提出了一种从未标记的对话语料库中归纳时隙模式的无监督方法。我们的数据驱动方法利用域内语言模型和无监督解析结构,无约束地提取候选时隙,然后通过粗到细的聚类来归纳时隙类型。我们将我们的方法与几个强监督基线进行了比较,并在MultiWoz和SGD数据集上显示了槽模式归纳的显著性能改进。我们还演示了诱导模式在下游应用程序上的有效性,包括对话框状态跟踪和响应生成。%R 10.18653/v1/2022.naacl-main.86%U型https://aclantology.org/2022.naacl-main.86%U型https://doi.org/10.18653/v1/2022.naacl-main.86%电话1174-1193
降价(非正式)
[面向任务的对话框的无监督插槽模式归纳](https://aclantology.org/2022.naacl-main.86)(Yu等人,NAACL 2022)
国际计算语言学协会
- 于殿宇(Dian Yu)、王明秋(Mingqiu Wang)、曹远(Yuan Cao)、伊扎克·沙夫兰(Izhak Shafran)、劳伦特·沙菲(Laurent Shafey)和黑根·索尔套(Hagen Soltau)。2022面向任务的对话框的无监督槽模式归纳.英寸计算语言学协会北美分会2022年会议记录:人类语言技术第1174-1193页,美国西雅图。计算语言学协会。