-
Learning Multi-Party Turn-Taking Models from Dialogue Logs
https://arxiv.org/abs/1907.02090
本文研究了机器学习(ML)技术的应用,使智能系统能够从对话日志中学习多方转向模型。具体的ML任务包括确定在每次对话后发言的人,给出谁说话以及在先前的话语中说了什么。有了这个目标,本文提出了不同ML技术的准确性比较,如最大似然估计(MLE),支持向量机(SVM)和卷积神经网络(CNN)架构,有和没有话语数据。我们提出了三个语料库:第一个是来自美国电视台的喜剧对话(chit-chat),第二个是来自金融建议多机器人系统的日志,第三个是来自多域域向导的奥兹创建的语料库数据集(都是面向主题的)。结果表明:(i)语料库的大小对基于内容的深度学习方法的准确性有非常积极的影响,并且这些模型在较大的数据集中表现最佳; (ii)如果对话数据集很小且面向主题(但主题很少),使用仅代理MLE或SVM模型就足够了,尽管使用内容可以实现稍高的精度。 CNN模型的话语。
-
MultiWOZ 2.1: Multi-Domain Dialogue State Corrections and State Tracking Baselines