Diable: Efficient Dialogue State Tracking as Operations on Tables

要約

対話状態追跡 (DST) のためのシーケンスツーシーケンスの最先端システムは、完全な対話履歴を入力として使用し、現在の状態をすべてのスロットを含むリストとして表し、対話ごとに状態全体を最初から生成します。
振り向く。
このアプローチは、特にスロットの数が多く、会話が長い場合には非効率的です。
この論文では、効率的な DST システムの設計と実装を簡素化し、大規模な言語モデルを簡単にプラグ アンド プレイできるようにする新しいタスク形式化である Diable を提案します。
対話状態をテーブルとして表現し、DST をテーブル操作タスクとして形式化します。
各ターンで、システムは対話コンテキストに基づいてテーブル操作を生成することによって前の状態を更新します。
MultiWoz データセットに関する広範な実験により、Diable は (i) 強力で効率的な DST ベースラインを上回り、(ii) 競争力のある共同目標精度を維持しながら現在の最先端の手法よりも 2.4 倍時間効率が高く、(iii) 堅牢であることが実証されました。
テーブル操作アプローチによるノイズの多いデータ注釈の影響を受けます。

要約(オリジナル)

Sequence-to-sequence state-of-the-art systems for dialogue state tracking (DST) use the full dialogue history as input, represent the current state as a list with all the slots, and generate the entire state from scratch at each dialogue turn. This approach is inefficient, especially when the number of slots is large and the conversation is long. In this paper, we propose Diable, a new task formalisation that simplifies the design and implementation of efficient DST systems and allows one to easily plug and play large language models. We represent the dialogue state as a table and formalise DST as a table manipulation task. At each turn, the system updates the previous state by generating table operations based on the dialogue context. Extensive experimentation on the MultiWoz datasets demonstrates that Diable (i) outperforms strong efficient DST baselines, (ii) is 2.4x more time efficient than current state-of-the-art methods while retaining competitive Joint Goal Accuracy, and (iii) is robust to noisy data annotations due to the table operations approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google