来源:ACL 2019
代码:https://github.com/wenhuchen/HDSA-Dialog
一、摘要
基于pipeline的任务型对话系统可以拆解成以下四个部分,其中NLU为意图槽位理解,DST为对话历史并能根据当前用户query更新状态,Policy learning为根据用户需求判断下一步action(也就是论文中提到的dialog act),NLG为对话生成。本论文目标是提高后两步的性能。
示例如下:
创新点:将dialog act表示成图结构,并使用了独立多头self-attention(Disentangled Self-Attention,DSA)。
二、Dialog Act表示
定义:dialog act是一个语言序列的语义状态,包括action、意图、槽位名、槽位值。
论文将dialog act表示成(domain, action, slot)三元组,比如hotel-inform-location、hotel-inform-name等。表示dialog act的结构有两种方式,分别为树结构和图结构。假设domain数n1,action数n2,slot数n3。