对话状态跟踪的Turn-Level主动学习

Zihan Zhang先生,孟芳,叶芳华,陈玲（Ling Chen）,穆罕默德·礼萨·纳马齐·拉德

摘要
对话状态跟踪（DST）在面向任务的对话系统中发挥着重要作用。然而，收集大量带注释的即时对话数据既昂贵又低效。在本文中，我们提出了一种新颖的话轮级主动学习框架，用于DST主动选择对话中的话轮进行注释。鉴于标签预算有限，实验结果证明了选择性注释对话转折的有效性。此外，我们的方法可以有效地实现与传统训练方法相当的DST性能，并且注释数据明显较少，这为注释新的对话数据提供了一种更有效的方法。
选集ID：
2023.emnlp-main.478年
体积：
2023年自然语言处理实证方法会议记录
月份：
十二月
年份：
2023
地址：
新加坡
编辑：
Houda Bouamor公司,胡安·皮诺,卡利卡-巴厘岛
地点：
EMNLP公司
SIG公司：
出版商：
计算语言学协会
注：
页：
7705–7719
语言：
网址：
https://aclantology.org/2023.emnlp-main.478
内政部：
10.18653/v1/2023.emnlp-main.478
比比键：
引用（ACL）：
Zihan Zhang、Meng Fang、Fanghua Ye、Ling Chen和Mohammad-Reza Namazi-Rad，2023年。对话状态跟踪的Turn-Level主动学习.英寸2023年自然语言处理实证方法会议记录，第7705–7719页，新加坡。计算语言学协会。
引用（非正式）：
对话状态跟踪的Turn-Level主动学习（Zhang等人，EMNLP 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.emnlp-main.478.pdf
视频：
 https://aclantology.org/2023.emnlp-main.478.mp4网址
PDF格式 引用 搜索 视频