Chain of Thought Explanation for Dialogue State Tracking

要約

対話状態追跡 (DST) は、事前に定義されたスロットとそれに対応する値のセットを維持することによって達成される、会話による対話中のユーザーのクエリと目標を記録することを目的としています。
現在のアプローチはスロット値を不透明に決定しますが、人間は通常、関連する会話ターンから情報を収集し、適切な値を推論するという、より慎重なアプローチを採用しています。
この研究では、DST タスク用の Chain-of-Thought-Description (CoTE) という名前のモデルを提案することにより、スロット値を把握するために必要な手順に焦点を当てます。
CoTE は生成 DST フレームワークに基づいて構築されており、スロット値を決定した後、詳細な説明を段階的に作成するように設計されています。
このプロセスにより、より正確で信頼性の高いスロット値が得られます。
さらに、CoTEの推論能力を向上させるため、自動言い換えによりより流暢で質の高い説明を構築し、CoTEを洗練させた手法をリードしています。
広く認識されている 3 つの DST ベンチマーク、MultiWOZ 2.2、WoZ 2.0、および M2M の実験結果は、CoTE の顕著な有効性を実証しています。
さらに、綿密できめの細かい分析を通じて、より長い対話ターン、ユーザーの応答、および推論ステップを特徴とするサンプルに対する CoTE の大きな利点が観察されました。

要約(オリジナル)

Dialogue state tracking (DST) aims to record user queries and goals during a conversational interaction achieved by maintaining a prede- fined set of slots and their corresponding values. Current approaches decide slot values opaquely, while humans usually adopt a more deliberate approach by collecting information from relevant dialogue turns and then reasoning the appropriate values. In this work, we focus on the steps needed to figure out slot values by proposing a model named Chain-of-Thought-Explanation (CoTE) for the DST task. CoTE, which is built on the generative DST framework, is designed to create detailed explanations step by step after determining the slot values. This process leads to more accurate and reliable slot values. More-over, to improve the reasoning ability of the CoTE, we further construct more fluent and high-quality explanations with automatic paraphrasing, leading the method CoTE-refined. Experimental results on three widely recognized DST benchmarks-MultiWOZ 2.2, WoZ 2.0, and M2M-demonstrate the remarkable effectiveness of the CoTE. Furthermore, through a meticulous fine-grained analysis, we observe significant benefits of our CoTE on samples characterized by longer dialogue turns, user responses, and reasoning steps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google