Task-Oriented Dialogue as Dataflow Synthesis

MT NLP
PaperLookThrough
Publish Date:   2020-09-28
Update Date:   2020-10-12
Word Count:   454
Read Times:   1 Min
Read Count:  

《Task-Oriented Dialogue as Dataflow Synthesis》

一、对话系统的问题和挑战

  1. 短句包括多个指示。

  2. 人类语言具有长尾性，无法使用高频意图覆盖

    [^长尾性：系统中的个体相差悬殊，缺乏优选]:

  3. 多轮对话引用修正加大数据收集难度

  4. 同一句话跨多个领域难处理

二、程序合成

对函数API进行组合实现更复杂的功能,程序难以标注和解析,所以可以设计一种对话系统专用的机器语言,通过提高与自然语言的相似度降低标注的难度.

三 Abstract

将对话状态表示为数据流图的面向任务对话方法,包括引用和修订

Overview

任务属于交互编程,对话状态用数据流图表示,agent将每次对话翻译成一个程序,扩展流图再描述结果.(自动编写程序)

作者用一幅有向图表示了完整的执行过程，这幅图叫做数据流图(Dataflow Graph)，其中节点代表数值或函数（灰色节点代表初始程序，而蓝色节点代表程序的执行结果），实线从参数指向使用它的函数，虚线从函数指向它的结果。数据流图记录了所提到的实体及其之间的关系。数据流图中的所有节点都可以被后续的话语引用。有时，函数的执行结果本身也是一段程序。例如 isCold 的执行结果是 “weatherForecast.temperate < ColdThreshold”，而最终结果是 False。

Author: Weiruohe
Link: https://weiruohe.github.io/2020/09/28/task-oriented-dialogue/
Reprint policy: All articles in this blog are used except for special statements CC BY 4.0 reprint polocy. If reproduced, please indicate source Weiruohe !
MT NLP
赏
 Previous
Back-Translation Back-Translation
title:《Understanding Back-Translation at Scale》Q:how to improve neural machine translation with monolingual data? S:augm
2020-10-06 PaperLookThrough
MT Transformer NLP
Next 
MT book MT book
统计机器翻译3.基于词的机器翻译模型3.1 词在翻译中的作用先把句子中的每个词对应翻译后重新排序。包括三个步骤：分析、转换、生成。 3.2构建简单的机器翻译系统 人为翻译：翻译知识的学习（翻译候选），运用知识生成译文（处理常见的单词搭配、主
2020-09-20 BookLook
MT NLP
  TOC