论文泛读159CANDLE:分解面向任务的对话系统的条件查询和连接查询

Posted 及时行樂_

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文泛读159CANDLE:分解面向任务的对话系统的条件查询和连接查询相关的知识,希望对你有一定的参考价值。

贴一下汇总贴:论文阅读记录

论文链接:《CANDLE: Decomposing Conditional and Conjunctive Queries for Task-Oriented Dialogue Systems》

一、摘要

特定领域的对话系统通常依靠主要关注单个动作句子的句子级分类器来确定用户意图。此类分类器并非旨在有效处理由表示多个操作的条件和顺序子句组成的复杂查询。我们尝试将此类查询分解为较小的单动作子查询,这些子查询对于意图分类器在对话管道中理解是合理的。我们发布了 CANDLE(条件和与类型表达式),这是一个由 3124 个用条件和顺序标签手动标记的话语组成的数据集,并通过训练两个基线标记器来演示这种分解。

二、结论

在这项研究中,我们提出了一个名为CANDLE的数据集,这个数据集用条件和连接注释来标记,以鼓励开发健壮的条件系统。我们进一步演示了两种基线方法,它们通过标记条件句和连接动作来分解句子。我们希望面向任务的对话系统能够利用蜡烛来更好地理解跨多个意图的复杂用户查询。将来,用重叠跨度标注数据集可能是值得的。

三、概述

数据的集成处理:
在这里插入图片描述
语法规则匹配算法:

在这里插入图片描述
使用BiLSTM+CRF进行验证,但最终方法是基于BERT的模型,该模型在检测F1评分为88.46的所有子句时给出了最佳结果。

基于模型算法及创建图形算法:
在这里插入图片描述

以上是关于论文泛读159CANDLE:分解面向任务的对话系统的条件查询和连接查询的主要内容,如果未能解决你的问题,请参考以下文章

论文泛读98情感感知对话响应生成和分类的多任务学习

论文泛读196Seq2Seq 的微型神经模型

论文泛读196Seq2Seq 的微型神经模型

论文泛读196Seq2Seq 的微型神经模型

论文泛读146基于预训练语言模型的基于知识的对话系统

论文泛读81对话式人工智能系统为社会公益:机遇与挑战