SereTOD2022 Track1代码剖析-面向半监督和强化学习的任务型对话系统挑战赛

SereTOD2022挑战赛是清华大学欧智坚老师团队和中移动冯俊兰老师一同举办的，附属在EMNLP2022的面向半监督和强化学习的任务型对话系统研讨会。该数据集面向真实业务场景，口语对话转录，复杂度极高，挑战赛公开的数据意义重大，基准代码的NLU基于BERT实现，NLG基于GPT2实现，有较好的学习价值。因此，我们在此详细剖析一下该挑战赛Track1的基准方法与实现代码。关于任务设置和数据标注规则可参见另外一篇博文。

GITHUB代码库：https://github.com/SereTOD/SereTOD2022

目录

0. 数据分析：

0.1 数据统计

1. Track1赛道：面向对话数据进行信息抽取

1.1 基准方法

1.2 实体抽取代码实现

1.2.1 实体类型

1.2.2 模型结构

1.2.3 输入输出

1.3 实体指代代码实现

1.3.1 任务描述

1.3.2 模型结构

1.3.3 输入输出

1.4 槽值抽取代码实现

1.4.1 语义槽类型

1.4.2 模型结构

1.4.3 输入输出

1.5 实体槽对齐代码实现

1.5.1 任务描述

1.5.2 模型结构

1.5.3 输入输出

1.6 Track1的性能评估

1.6.1 获取对话的实体和三元组

1.6.2 实体和三元组F1值评估

1.6.3 最终数据提交格式

---

0. 数据分析：

0.1 数据统计

有标注数据：一共有8975个对话，其中，客服在前: 8894 用户在前: 59 其他情况: 22。对话轮回一共100139次，其中&#