pp002.Task-Oriented Dialogue as Dataflow Synthesis

关键词：语义解析

摘要：我们描述了一个学习任务导向的对话的途径，其中对话的状态表示成数据流图。对话代理将每个用户话语映射成一个拓展此图的程序。程序包括以供参考和修订的元计算运算符，这些运算符可重用先前回合中的数据流片段。我们基于图的状态使得能够表达和操纵复杂的用户意图，而显示的元计算使得这些意图更易于学习模型进行预测。我们引入一个新的数据集：SMCalFlow，其中包含着关于事件，天气，地点和人物的复杂对话。实验表明，数据流图和元计算可以在这些自然对话显著提高可表示性和可预测性。在MultiWOZ数据集上的额外实验显示，我们的数据流表示使得一个现有的sequence-to-sequence模型能够与现存的最佳的特定任务跟踪模型相匹敌。SMCalFlow数据集，重现实验的代码与一个公开排行榜可以参见此链接。