一种可转移的对话状态生成器

会话式AI已成为跨行业业务实践的组成部分。越来越多的公司正在利用聊天机器人为客户服务，销售和营销带来的优势。

即使聊天机器人已成为领先企业的“必备”资产，但其性能仍然与人类相去甚远。来自主要研究机构和技术领导者的研究人员已经探索了各种方法，可通过增加响应的多样性，实现情绪识别，提高其跟踪对话的长期能力，确保保持一致的角色来提高对话系统的性能。等

我们搜索了2019年发表的重要的对话式AI研究论文，向您介绍了在面向任务和开放域对话系统中都设置了最新技术的前10名。

过度依赖域本体和缺乏跨域知识共享是对话状态跟踪的两个实际但尚未研究的问题。现有方法通常在推理期间无法跟踪未知时隙值，并且常常难以适应新领域。在本文中，我们提出了一种可转移的对话状态生成器（TRADE），该函数使用复制机制从发声中生成对话状态，从而在预测训练期间未遇到的（三元组，时段，值）三元组时促进知识的传递。

我们的模型由发声编码器，插槽门和状态生成器组成，它们在域之间共享。经验结果表明，对于人与人对话数据集MultiWOZ的五个域，TRADE的最新联合目标准确度达到48.62%。此外，我们通过模拟未看到域的零镜头和几镜头对话状态跟踪来显示其传输能力。

TRADE在零射门领域之一中达到了60.58%的联合目标精度，并且能够适应少射情况，而不会忘记已经受过训练的领域。